目前对于线性动态系统的故障诊断,已经形成了比较成熟的理论和方法。然而实际的系统或多或少都存在非线性特性,针对非线性系统的故障诊断研究具有重要意义。粒子滤波算法作为一种基于蒙特卡洛思想的非线性、非高斯系统的滤波方法,由在非线性系统和非高斯噪声环境下的状态估计能力使其成为故障诊断中的得力工具,但粒子滤波存在例如实时性较差问题。CUDA是由NVIDIA公司提出的一种基于GPU的并行计算架构,该架构能使GPU提高算法的执行速度。为此,本文主要在通过分析粒子滤波算法并行性的基础上,对基于CUDA的粒子滤波故障诊断方法进行了研究。本文的主要研究内容有:(1)提出一种基于CUDA的粒子群优化粒子滤波算法并行算法。首先分析通过分析粒子群优化算法和粒子滤波算法的并行性,基于CUDA平台设计并实现粒子群优化粒子滤波算法并行算法。进一步,为避免在算法执行过程中出现对GPU内存的非合并访问,提出改进了的拒绝重采样并行算法,使同一线程束中的线程在对应的内存区段中存储的粒子进行重采样,以提高重采样算法的执行效率。通过一维非线性模型的仿真表明,本文方法具有更高的估计精度和实时性表现。(2)以风力发电机的变桨距系统和双馈发电机为研究对象,建立故障诊断模型,通过改进粒子群优化粒子滤波并行算法结合残差平滑值实现故障诊断。首先利用CUDA加速粒子群优化粒子滤波并行算法的执行效率,利用改进的并行算法获取系统估计测量值,与实际测量值比较产生残差,再以残差作为故障检测的依据来判断系统是否发生故障,以提高故障诊断性能。