由于对煤炭、石油的过度开发利用以及工业废气、汽车尾气的肆意排放,我国环境承载能力已达上限,多城市出现重污染天气,给人们的工作生活带来许多负面影响,开发新型能源已迫在眉睫。在此情况下,风力发电作为新型能源产业,对改善我国能源结构、推动生态和环境建设具有十分重要的意义。兆瓦级直驱风力发电机作为将风能转换为电能的设备,以其巨大的优势已成为风电领域的最新趋势。然而,由于其运行环境相当恶劣,导致其故障率较高,尤其是关键部件的损坏,将会造成巨大损失。主轴轴承作为兆瓦级直驱风力发电机传动系统的关键部件,承担着重要的任务,同时,也更加容易出现故障。对直驱式的机组而言,主轴轴承一旦出现故障,如果未能及时维护,轻则迫使机组停机,更换昂贵组件,重则损毁整个机组,造成巨大损失。因此,对兆瓦级直驱风力发电机主轴轴承进行故障诊断,对整个机组的运行维护和降低成本具有重要的意义。本文从以下几个方面对兆瓦级直驱风力发电机主轴轴承进行研究:(1)对兆瓦级直驱风力发电机的机组结构和工作原理进行研究,在了解风力发电机主轴轴承属性特点的基础上,对主轴轴承的振动和故障诊断机理进行深入研究,为主轴轴承的故障诊断方法研究提供了理论基础。(2)针对多数文献中主轴轴承振动数据缺乏真实性的问题,以真实风力发电机为采集对象,搭建主轴轴承振动信号的采集系统,获取主轴轴承的实测振动数据;在MATLAB中对实测信号进行软件编程与信号处理,采用滤波和去除趋势项的预处理方法,有效去除原始信号中的干扰成分,为本文振动信号特征分析和聚类识别提供有效的数据来源。(3)基于α稳定分布法,对主轴轴承不同工况下的实测振动信号进行了特征分析,结果表明,各工况下的振动信号具有明显的α稳定分布特征;基于支持向量机支持小样本的原理,提出了基于SVM的主轴轴承单类故障诊断方法,通过建立SVM多类分类模型,实现了对经过归一化处理的特征样本的训练和预测,成功预测主轴轴承正常、内环故障和外环故障三种工况的振动信号,验证了所提方法的有效性与可行性;对SVM参数进行寻优测试,测试结果表明,寻优参数能够有效提高SVM多类分类的预测准确率。(4)以轴承典型故障发展趋势为基础,构建动态故障情况下的轴承振动仿真信号,通过模型方程进行过渡处理;基于α稳定分布法提出了动态故障下的轴承故障诊断方案,在方案中,采用α稳定分布法和数学拟合法提取仿真振动信号动态特征,构建样本并输入SVM多类分类器中进行训练和预测,以圆珠滚动轴承和兆瓦级直驱风力发电机的主轴轴承实测信号进行方法验证,结果表明,所提方法能够有效诊断在动态故障下的轴承振动信号,为轴承在动态故障研究领域提供有效的理论依据。