随着国家“碳达峰、碳中和”战略的提出,水电能源大力发展。水轮机转轮作为水电站的关键核心部件,将水流势能转换为旋转机械能。然而,转轮一旦发生故障,将造成严重的经济损失,甚至危害人身安全。因此,亟需开展水轮机转轮故障机理分析、振动信号处理、故障诊断及相关软件开发应用等研究。为此,本文围绕转轮故障机理分析与监测配置研究、非平稳信号降噪、故障诊断模型建立与应用等关键技术问题,以奇异值分解、变分模态分解和残差神经网络等为理论基础和方法,开展了水轮机转轮故障诊断与应用系统集成的研究,提出了一种转轮振动信号降噪方法,并将残差神经网络模型应用在转轮故障诊断中,设计开发了水轮机转轮故障诊断系统。本文的主要研究内容和创新性成果总结如下:（1）针对转轮故障类型多样,且难以有效监测的问题,总结故障机理及有效监测方法,通过数据分析验证了振动监测信号法对转轮故障诊断的有效性。在此基础上,设计了一套包括传感器选型与安装的转轮监测典型配置系统。（2）考虑到转轮振动信号受多重因素的影响,其有效特征往往被噪声淹没,难以提取的问题,提出了一种基于自适应奇异值分解与变分模态分解的多级降噪方法。该方法分为奇异值降噪和变分模态分解降噪两个阶段。将该方法与传统降噪方法进行对比,验证了其良好的降噪性能。（3）围绕多工况复杂噪声耦合干扰下振动信号与故障征兆间的关联关系难以准确映射的问题,建立了基于残差神经网络的水轮机转轮故障诊断模型。进一步,在多种信噪比与多种工况下对比故障轴承数据诊断结果,验证了模型在强噪声和复杂工况下的鲁棒性,并将模型应用于实际转轮振动数据的分类实验中,诊断精度良好。（4）基于上述研究内容,设计开发了水轮机转轮故障诊断高级应用系统。系统基于Python语言和前后端分离框架设计,实时连接电站在线机组监控系统,具有数据降噪处理、故障诊断和典型故障巡检等功能。