随着水电站建设的快速发展,机组容量及尺寸急剧增大,转速相应提高,机组振动及其诱发的水电站厂房振动问题日益突出,成为目前研究的热点和难点。水电机组在实际运行过程中所承受的各类动载荷是进行振动分析和动态设计的基础数据。然而,由于水电机组规模较大,动载荷时空分布复杂等特点,直接测量其动态力有许多困难,所以利用动载荷识别技术来分析识别机组的动载荷具有重要的工程实用价值。经过多年的发展,神经网络算法渐趋成熟,以及因其具有一些传统方法没有的优势,越来越多地被应用于工程结构的识别预测中。要想真正把握水电站厂房的振动特性,并解决其振动问题,最有效的途径就是通过现场实测,再反馈分析厂房结构的振动特性,并通过有限元数值计算分析对其进行振动复核。本文主要研究了神经网络技术在水电机组动载荷识别中的应用,主要研究内容和成果归纳如下：(1)利用改进的BP神经网络对不同类型、不同加载方式的动荷载进行数值算例的识别计算,在取得良好效果的情况下,对水电站机墩结构及机组轴系统的动载荷进行了识别,取得了较好的识别结果。(2)基于水电站机组及厂房振动联合测试数据,分析机组及厂房的振动规律,并对厂房结构动力响应进行了有限元数值反馈计算。根据国内外相关标准对机组及厂房的振动水平进行了评价。(3)根据实测数据的分析论证,证实了机组振动和厂房结构振动之间存在着显著的耦联作用和相关关系,据此提出了预测厂房结构振动加速度的神经网络预测方法,实例计算表明预测效果较好。