能源和环境问题已经成为人类生存发展所要解决的紧迫问题。风能作为一种清洁能源,引起世界各国的普遍关注。各国开发的重点就是风能发电。目前,风电机组的发展越来越趋向于大型化、复杂化。为进一步提高风能应用水平和风电机组运行水平,尤其是应对突发故障或渐变故障,需要实时地了解设备的运行状况,并对风电机组进行专门的监测,进行故障预警和故障诊断,减轻人员的伤亡,降低维修成本。在风电机组常见的故障当中,传动系统的故障发生率偏高,本文简单介绍了传动系统各部件的常见故障形式,并且对常用故障诊断技术做了概括性的描述。在风电机组的故障诊断中,本文主要研究风电机组的故障诊断信息分析方法,从简易的故障诊断方法到复杂的故障诊断方法,同时完成风电机组故障诊断系统的开发。为了实现故障诊断的智能化,本文对神经网络相关理论知识研究学习,将神经网络理论应用到风电机组故障诊断中,结合风电机组模拟平台测试试验,实现故障预警与故障类型的判断。根据故障历史信息,结合运行过程中提取的特征信号,基于贝叶斯网络对风电机组的故障诊断方法进行研究。该方法以概率的形式来最终确定故障类型,并通过建立不同的网络来定位故障位置。基于贝叶斯网络故障诊断理论与方法,构建大型风电机组传动系统的故障诊断系统,通过软件编程,最终实现大型风电机组故障诊断原型系统的开发。