水轮发电机组这种设备对于水电能源的转换至关重要,由于它的转速较低,所以过去人们对机组的安全稳定性重视程度不够。但是随着近年来水电能源地位的越来越重要,水电机组的结构不断发展的越来越复杂,单机容量越来越大,我们对机组运行的稳定性、可靠性、长期性这些性能方面的要求也随之提高。因为它的运行状态好坏不仅影响能源效率的转换,如果发生了故障或者异常,轻则影响电能输送质量、干扰电网频率,重则危害机组和电站的正常、安全运行,甚至可能造成不可挽回的事故灾难和经济损失。根据国内外的多种研究结果表明,振动是机组中较为常见且主要的故障,且水轮发电机组的故障或者事故能通过振动信号体现出来百分之八十。可水轮发电机组不同于其他机械,它在非稳态运行时,信号的非线性、非平稳性十分强烈,同时,受强背景噪声与复杂电磁干扰的影响,导致所采集的信号含有较大的噪声成分,从而影响对振动信号特征的准确提取。因此,对所采集的振动信号进行有效降噪对准确判断机组故障意义重大,本文以混流式水轮发电机组为研究对象,对振动信号降噪和特征提取方法进行了深入研究,主要研究内容和研究成果如下:首先,由于水电机组振动故障机理比较复杂,为了能更有针对性的进行降噪和特征提取的研究,故本文先对水电机组振动故障机理的水力、机械、电气三个方面的因素进行了详细的介绍,同时也对振动测点的选择和传感器的配置进行了简单了解,以便后续研究工作的开展。紧接着,本文针对强噪声与复杂电磁干扰背景下水轮发电机组振动信号特征难以提取的问题,充分利用固有时间尺度分解（Intrinsic time-scale decomposition,ITD）、排列熵（Permutation entropy,PE）和奇异值分解（Singular value decomposition,SVD）的优势,提出一种基于ITD-PE-SVD的双重降噪方法。该方法首先对振动信号进行ITD分解,得到一系列PRC分量,计算各分量的排列熵,其次根据所设定的排列熵阈值选取PRC分量进行重构,达到一次降噪效果。然后用SVD分解对一次降噪后的信号进行处理,得到奇异值差分谱,根据奇异值差分谱的原理再综合考虑奇异值的变化及其所具有的能量值,选择合适的重构阶次对信号进行第二次重构,从而达到二次降噪效果。同时为验证该方法的降噪效果,将该方法与LMD-PE-SVD、EMD-PE-SVD的双重降噪方法通过仿真进行对比分析,利用相关系数、信噪比为量化指标评价降噪性能,发现本文提出的ITD-PE-SVD的双重降噪方具有良好的降噪和脉冲效果。随后,为进一步验证该方法在工程中的可行性和有效性,选取我国某水电站混流式机组上导X向、Y向、水导X向摆度数据对所提方法进行了实例验证。发现经本文提出的ITD-PE-SVD方法降噪处理后,能对实测机组数据进行有效降噪,较为精确的提取振动信号的特征频率,从而通过频率判断机组振动原因,从而可以为后续故障诊断提供理论基础,便于科学合理地制定状态检修计划。