水电机组作为电站中将水能转换为电能的核心设备,其运行状态对电厂乃至社会都具有十分重要的意义,更是水电能源有效开发、高效生产的基础保障。因此,及时而准确地监测与识别机组所处的运行状态,确保机组的健康运行,对电厂安全运行、电网稳定乃至社会的发展都具有重大的意义。由于水电机组振动信号的非线性、非平稳特性为准确地提取水电机组特征、根据特征正确地识别机组状态带来了困难,致使其成为了目前研究的热点和难点。为了准确地提取出能够表征水电机组状态的振动信号特征值,本文进行了振动信号处理和特征提取方法的研究。使用多个分类器对比EMD-模糊熵方法和多重分形去趋势波动分析（MFDFA）方法所提取的信号特征,发现多重分形特征能够更好地表征机组状态,选择多重分形分析方法对信号特征进行提取。通过对振动信号特征提取方法以及分类器算法的研究发现,使用MFDFA方法提取得到的振动信号多重分形特征种类较多,且分类器参数值同样需要人为设定。针对此问题,本文采用引力搜索算法对特征维数进行降维,与此同时利用该算法寻找最优的分类器参数,并利用轴承故障数据集进行了实例分析验证。根据分析结论,本文提出基于多重分形与引力搜索算法的水电机组振动信号状态识别方法,使用水电机组实测振动信号进行对比验证。结果表明,水电振动信号多重分形特征相比于EMD-模糊熵特征能够更好地表征水电机组的运行状态,且在经过引力搜索算法优化后,充分发挥了分类器的性能,获得了较好的识别效果,具有有效性和实用价值。