随着人们对水力机组安全可靠性的重视，机组的状态监测和故障诊断研究不断取得进展，各种监测方法和手段不断地推陈出新。本文将小波分析和BP神经网络结合起来，引入到水轮发电机组的振动监测和故障诊断中，论文主要包含以下几个方面的内容： 1、分析和总结水轮发电机组振动的特点和与之相对应的特征频段。并且总结水轮发电机组振动信号常用的处理方法。 2、介绍小波分析的基本理论及常用小波基的性质。 3、讨论水轮发电机组振动信号的小波分析去噪处理。采用小波包对水轮发电机组振动信号进行去噪，讨论分解层数、最优小波基和阈值策略的确定。并且用小波包从模拟的尾水管水压脉动信号中提取出低频脉动信号。 4、介绍常用的BP神经网络改进算法，比较各算法的性能。介绍网络设计的常用方法。 5、采用小波包，将水轮发电机组故障振动信号分解至第4层，将第4层16个频段的能量值作为BP神经网络的输入向量，通过BP神经网络的正向计算，从而实现对水轮发电机组2种常见故障振动信号的有效识别。