风能是目前世界上最丰富的清洁能源之一，风力发电是风能最有效的转换形式。随着大型设备制造业、风电技术的不断发展，风力发电机组（风电机组）不断朝着大型化、海洋化的方向发展，安装数量也在逐年递增，截止到2013年全球总装机容量达到318.137GW。风电机组数量不断扩大的同时其故障和事故的发生率也在增加，由此导致严重的经济损失。功能良好的风力发电机组状态监测与故障诊断系统能够保证风电机组运行的稳定性，降低故障发生率和维护成本。论文从风力发电机组状态监测和轴承故障诊断系统方向展开研究。论文中设计的风力发电机组状态监测和轴承故障诊断系统采集能够反映其各部件运行状态的温度、转速、位移、振动信号，并智能识别故障和报警，因此需要硬件和软件两个部分来实现整套系统的运行。1、硬件部分包括传感器、数据采集器、服务器，主要完成数据采集的功能。2、软件部分包括具有强大数据处理功能的Matlab软件和组态软件WinCC以及网络通讯协议。对于Matlab数据处理，文中提出了一种小波包算法和改进组合神经网络模型作为轴承振动信号数据处理和故障诊断的核心算法。3、在WinCC软件开发平台上开发状态监测、故障诊断、故障报警、参数设置、过程值归档与报表打印功能。4、采用Profibus-DP现场通讯网络协议实现数据采集器与WinCC的实时通讯，采用OPC通讯技术上实现Matlab与WinCC的实时通讯。5、将该套系统应用于实验室小型模拟风力发电机组和齿轮箱轴承故障诊断实验。实验结果表明，该套系统能够较好地监测风力发电机组各部件的运行状态，对齿轮箱轴承故障具有较高的故障诊断正确率。本文设计的状态监测和轴承故障诊断系统实现了对风力发电机组的实时在线状态监测和轴承智能故障诊断。