为有效提取变压器振动信号中的绕组状态信息，提出一种基于变分模态分解（variational mode decomposition，简称VMD）、形态梯度谱的特征提取，采用天牛须搜索算法优化随机森林（beetle antennae search -random forest，简称BAS-RF）识别绕组松动状态的诊断方法。首先，将实测变压器振动信号经VMD分解得到若干个模态分量；其次，计算多个尺度的形态梯度谱以形成初始特征样本集，为防止维数灾难，使用主成分分析法对初始特征样本集进行降维处理；最后，利用天牛须搜索算法对随机森林中决策树的个数和树的深度进行寻优以构造分类器模型，实现对变压器绕组松动状态的识别。实验结果表明，该方法能有效提取变压器绕组松动故障特征信息，且具有优良的抗噪性能，构建的BAS-RF模型具有较高的识别准确率和识别速度。