风力发电机工作环境恶劣,容易发生故障,对它的状态监测和故障诊断十分重要。目前风力发电机经常发生故障的部位有风机叶片和风机齿轮箱等,其中风机齿轮箱故障引起的停机时间最长,因此,风机齿轮箱的状态监测和故障诊断十分重要。本文围绕风机齿轮箱的状态监测和故障诊断展开论述,主要内容包括以下几个方面:首先,针对风机特殊的工况条件,利用LabVIEW和PXI数据采集系统设计了风机齿轮箱的实验系统,该系统实现了对风机齿轮箱的振动量、轴的转速和所受扭矩的实时监测,能对风机齿轮箱振动信号进行在线频域分析,还能保存风机齿轮箱的运行状态信息以供离线分析。其次,研究了阶次分析方法,在LabVIEW中利用重采样的方式实现了该算法,并通过实验比较了传统的基于FFT的分析方法与阶次分析方法的故障诊断效果,验证了阶次分析适合用于风机齿轮箱的故障诊断。最后,研究了支持向量机在故障诊断领域的应用,在阶次分析的基础上实现了基于支持向量机的智能诊断。