风电作为我国第三大主力电源,具有广阔的发展空间。在新风力发电机组不断投运的同时,老旧机组逐渐进入故障高发期,若故障不能及时被处理,将影响风电机组的安全经济运行,研究风电机组状态监测与故障诊断对防止重大事故发生、降低运维成本具有重要的现实意义。本文以故障率较高的滚动轴承为诊断对象,针对恒速工况及复杂工况条件下的滚动轴承故障特征提取与诊断进行深入研究,主要内容如下:(1)以风电机组滚动轴承为重点分析对象,阐述其组成结构、位置分布、故障机理、故障类型及故障特征频率,为诊断故障滚动轴承提供理论依据;分析时域、频域及时频域在不同工况下常用的有效故障诊断方法。(2)恒速工况下风电机组滚动轴承故障特征提取与诊断方法研究。本文选用小波包分解(wavelet packet decomposition,WPD)与变分模态分解(variational mode decomposition,VMD)对实验室及现场振动数据进行诊断分析;应用小波包分解故障信号时选择Shannon信息熵法为信息代价函数,通过对比试验选择小波包最佳分解尺度;以分解特性、诊断效果、使用灵活度、运行时间四个方面为对比对象,综合对比WPD与VMD并加以分析。(3)变速变载工况下滚动轴承故障诊断方法研究。本文提出基于VMD滤波的逆平方包络(reversed sequence squared envelope spectrum,RE-SES)在变速工况下滚动轴承故障诊断方法,并与已有的计算阶比跟踪(computed order tracking,COT)技术结合VMD算法的COT-VMD进行对比研究。说明基于VMD滤波的RE-SES、COT-VMD的原理及实现流程,利用试验台模拟变速变载的滚动轴承运行工况,对滚动轴承正常状态、内圈故障、外圈故障、滚动体故障以及复合故障进行诊断研究。根据基于VMD滤波的RE-SES与COT-VMD方法的实现流程、诊断效果及运行时间三个方面进行对比,并加以分析。最后给出论文研究的主要结论,并对进一步研究的方向和内容进行展望。