开展水泵水轮机振动信号特征提取与智能识别研究对确保抽水蓄能电站的可靠安全运行具有重要意义.由于水泵水轮机运行工况复杂,激发机组振动的物理来源较多,振动信号所包含的频率成分较为复杂,传统方法难以准确提取复杂振动信号特征.针对此问题,本文提出了一种基于变分模态分解、气泡熵和长短时记忆神经网络的振动信号特征提取和智能识别模型.首先,利用变分模态分解对振动信号进行分析,得到若干模态;然后,计算各模态的气泡熵值,构建气泡熵特征向量;最后,采用长短时记忆神经网络对振动信号特征向量进行训练和识别.通过使用蒲石河抽水蓄能电站中水泵水轮机的顶盖复杂振动信号对本文所提模型进行验证,振动信号识别准确率可达到97.87%,表明其具有重要的工程应用价值.