截止到2017年底,我国风电装机总容量再创新高,达到了195167MW,居世界第一。但是在其发展迅速的同时,风电机组故障问题也日益增多,直接影响整机乃至整个风电场的正常运行。发电机作为将风能转换为电能的重要装置,它不仅影响着风电转换系统的效率,也影响着输出电能的质量。而轴承作为风机中发电机旋转部分的关键部件,对其正常运行有着至关重要的意义。因此,开展发电机故障诊断的研究,对于提高风电场运营的安全可靠性、降低维修率有着重要的价值。本文从双馈式风电机组与永磁式风电机组的结构出发,对比分析了两种风电机组中的发电机工作原理的不同,利用本研究团队自主研发的大型智能运维系统采集到的两种发电机的三相定子电流,对其发电机的运行状态进行了研究。针对双馈式异步发电机提出利用希尔伯特黄变换(HHT)进行分析,通过电机电流法可以计算出发电机定转子的故障特征频率,便可确定该发电机的运行状态是否良好。通过对现场数据的分析,证实了该方法的有效性。针对永磁式风电机组的工作特性,可知其不存在转差率,本文提出了Park矢量变换用于永磁同步发电机的分析当中,根据其原理可知将发电机的三相定子电流带入Park矢量变换当中,会得到一个坐标图和极坐标图。若这两个图形均为近圆形,则说明发电机运行状态正常。若两个图形均为不规则封闭曲线,则说明其运行状态不佳,且可根据极坐标中长轴对应的角度来判断发生故障为哪一相。将该方法应用到了现场当中,证实了该方法的正确性。针对发电机中的轴承状态分析与诊断,提出了局部均值分解(LMD)与改进谱峭度相结合的方法。对谱峭度在基于小波包分解的方法上进行改进,则克服了原始谱峭度中窗函数变化有限的缺陷。将原始信号进行局部均值分解,选取相关系数较大的PF分量进行重构,通过改进谱峭度分析,取重构信号峭度最大的频段作为带通滤波,滤波后做包络解调,即可得到包含轴承故障信息的包络信号,完美地实现了故障信号的解调,消除了局部均值分解的模态混叠现象。通过对仿真信号的分析以及实验台的验证,证实了该方法的准确性。最后,将该方法应用到了风电场的工程实际当中,将某台风机的故障诊断出来,实现了故障的精准定位,为传动系统的故障诊断研究提供了新思路。本文还完善了系统中有关发电机以及发电机轴承的频谱分析工作,完成了振动信号与电流信号的时频分析,在原智能运维系统的基础上,对发电机及其轴承的诊断功能进行了补充,实现了发电机故障诊断方法的应用,为风电现场有关发电机的状态分析提供了便捷的途径。