La energía hidroeléctrica es la base de la energía limpia y baja en carbono, mientras que los grandes generadores hidroeléctricos desempeñan un papel clave en los sistemas de energía hidroeléctrica. En este documento, se estudia principalmente la detección de la tensión de las cuñas del estator en el estado fuera de línea de los grandes generadores hidroeléctricos. El estado fuera de línea significa que el generador deja de funcionar, pero no es necesario mover el estator y el rotor. La detección tradicional de las cuñas del estator del generador tiene problemas, como intervalos de mantenimiento largos y baja eficiencia laboral. De acuerdo con las características estructurales del generador, se diseña un dispositivo robótico de mantenimiento del generador basado en un mecanismo de pista. El dispositivo puede visualizar simultáneamente el interior del generador y detectar la tensión de la cuña de la ranura del estator, mejorando efectivamente la eficiencia del mantenimiento. Según la magnitud electromagnética de la varilla del estator en el campo magnético alterno, se construyen diferentes modelos de cuñas de ranura del estator para apretar, apretar ligeramente y aflojar. Para la detección de aflojamiento de la cuña de ranura convencional, existe un problema en que el parámetro característico es único y el estado de la cuña de ranura no puede retroalimentarse completamente. En este documento, se propone un método para extraer el Coeficiente de Cepstrum de Predicción Lineal (LPCC) y el Coeficiente de Cepstrum de Frecuencia Mel (MFCC) de la señal de sonido de percusión, y se realiza el reconocimiento de la tensión de la cuña de la ranura del estator combinando el algoritmo de red neuronal BP. Los resultados experimentales muestran que el método propuesto puede identificar efectivamente las cuñas de ranura del estator en diferentes estados.