振动是水轮发电机组运行中最为常见的故障之一，超出安全范围的振动对机组稳定运行，保证发电质量危害甚深。系统开展机组振动故障诊断研究，对保障机组稳定运行十分重要。水电机组上导摆度信号就是一种振动信号，其包含大量机组运行的状态信息，选用一定的信号处理方法再结合模式识别方法，即可对机组当前工作状态和未来故障情况做出准确预测和判断。　　 本文采用在对非平稳、非线性信号的处理上优势明显的Hilbert-Huang变换方法，来分析水电机组上导摆度信号。使用Hilbert-Huang变换方法进行短序列信号分析时，EMD分解过程中将产生端点效应问题，会严重影响分析结果的精度。论文针对水电机组上导摆度信号具有短序列信号的特点，采用极值延拓法处理端点效应问题，并编制了处理程序，构造了仿真信号，完成了数据处理。结果表明，该方法在抑制端点效应方面具有良好的效果。　　 在解决端点效应问题的基础上，通过EMD分解，将原始信号分解为频率由高到低的一系列IMF函数。并结合信息熵理论，选用IMF函数能量值作为信号特征，以每个IMF函数能量值为基本元素构造特征向量输入支持向量机，进行模式识别，最终对水电机组当前的运行状态做出预测和评估。