水轮机转轮在复杂环境下易发生空化、空蚀、裂纹等故障，严重影响机组安全运行。针对传统故障诊断方法在处理非平稳、高维振动信号时存在特征提取能力不足、模型泛化性差等问题，提出一种基于VMD-SE-TCN的水轮机转轮故障诊断模型。首先，采用粒子群优化算法自适应选取变分模态分解(VMD)的模态数与惩罚因子，实现对振动信号的自适应分解，提取具有显著冲击特征的本征模态函数(IMFs);其次，将IMF分量构建为多通道时序特征，并引入SE注意力机制，增强时间卷积网络(TCN)对关键故障特征通道的敏感度；最后，开展了试验验证，发现所提模型在准确率、F1分数、召回率、精确率上均优于对比模型，展现出良好的分类性能与鲁棒性。研究结果为水轮机转轮故障诊断提供了一种有效的智能解决方案，具有较高的工程应用价值。