在推力油槽内安装高精度液位传感器，按一定频率实时采集油位数据，同时在油槽的进、出口管道分别安装流量传感器，监测油液的流入和流出情况；在冷却水管路与油槽的连接部位布置湿度传感器，检测是否有水混入油中。对采集到的原始数据进行去噪、滤波等预处理，去除因环境干扰、传感器自身误差产生的异常值。将实时油位数据与历史正常数据以及预设的油位上下限阈值对比，判断油位是否突变。当检测到突变时，结合流量传感器数据判断油液的流动是否异常，根据湿度传感器数据判断是否存在水分入侵。把这些多源数据特征输入到基于支持向量机的故障诊断模型中训练，模型以大量已知的油位突变原因及对应的处理措施作为标签。训练好的模型能依据实时监测数据，快速准确判断推力油槽油位突变的原因，并给出处理建议，一旦发现异常，即刻发出警报，为运维人员采取有效措施提供依据。