大型混流机组是一个非常复杂的系统，是水电站的核心设备。现有技术可对机组的振动、摆度、压力脉动、发电机空气间隙以及局部放电等进行实时监测。但是，对于旋转或密闭的设备无法安装传感器，缺乏监测手段。机组在运行过程中会产生各种各样的声音，机组状态的劣化以及故障的发生通常都伴随有异响，对噪声进行实时监测能够发现和识别机组状态的变化。 根据上述情况研制了一套机组噪声在线监测系统，包含噪声测点、采集装置及后台服务器。通过对噪声的实时监测，获取机组噪声特征数据和历史趋势，建立机组噪声数据库，掌握了大型水电机组噪声的基本特点。研究开发了噪声特征提取算法，构建了以噪声特征参数为基础、融合振动、摆度、压力脉动等机组稳定性参数的故障诊断模型，完善了传统故障诊断系统的内容，进一步提高故障诊断的正确率。 该成果已在阿海电厂应用实施。通过在机组各个部位部署噪声测点，监测机组噪声，可以全面掌握机组在不同工况下的噪声水平，有利于指导优化机组运行，延长设备寿命，提高电厂经济效益；通过对噪声的异常变化进行预警，有利于提前预知设备状态变化，防止事故的发生和进一步扩大，同时可指导机组的运行及检修，节约检修成本。具有很高的推广价值。 该项目的主要创新点为： （1）通过研究及试验，掌握了大型水电机组噪声的基本特点，揭示了异常噪声与设备故障的关联关系，制定了水电机组噪声测点布置及数据采集的基本原则，有利于指导后续类似项目的实施。 （2）研究开发了针对大型混流水电机组的噪声采集装置及噪声特征提取算法，攻克了强干扰环境下机组噪声准确采集和有效特征数据提取的难题。 （3）研发了一套噪声健康样本的自动构建方法，通过识别机组运行工况，运用大数据算法及数据清洗技术，构建不同工况下的健康样本，为智能声音识别算法提供数据样本； （4）开发了多种异常声音识别算法，通过阈值判断、趋势预测、频域识别、健康样本比对等多种技术手段准确识别异常噪声，攻克了异常噪声识别难的问题； （5）构建了以噪声特征参数为基础，融合振动、摆度、压力脉动等机组稳定性参数的故障诊断专家模型，完善了传统故障诊断系统的内容，进一步提高故障诊断的正确率。