随着我国风电行业的快速发展,截至到2020年底国内风力发电机组装机容量已达2.5亿千万,已经成为全球风电装机最大的国家,风电能源已为我国能源结构中的重要组成力量。随着装机容量的扩大,风力发电机传动部件在运行过程中的持续振动导致传动链故障率高发已成为风电行业越为关注的问题。开展传动链振动故障诊断工作是确保风力发电机在全生命周期内安全稳定运行的前提。本文以风力发电机传动链振动故障诊断为研究对象,开展了振动故障信号诊断系统的设计。振动故障诊断系统的技术路线,主要是利用振动传感器采集故障信号样本并将样本输入神经网络进行识别与诊断,同时上位机PLC主程序调取并控制神经网络子程序的诊断结果,实现系统振动故障诊断功能。本文主要工作如下:1.通过仿真比较确立了以小波包法作为振动故障信号特征值提取的方法,此方法能有效去除振动故障信号在非线性与冲击情况下的噪声干扰,提高故障信号在低频振动状态下的识别率,对故障特征值的提取相比目前流行的包络法更加精准。2.本文分析了小波包动量BP神经网络诊断振动故障信号的基本算法,设计了小波包动量BP神经网络故障诊断结构,引入故障样本建立网络稳定模型。采用工程项目实际故障信号样本仿真测试获取输出误差接近0.001,验证了小波包动量BP神经网络算法的正确性,实现了振动故障诊断功能。3.对振动故障诊断硬件单元进行了设计,确立了振动信号采集传感器型号与安装位置,完成了数据采集卡与CPU的选型与安装,设计了振动故障诊断系统通讯方式,完成了振动故障诊断系统硬件设计。4.采用图形编程软件编写诊断系统软件主界面,利用程序调用功能实现主程序对神经网络诊断子程序的控制,实现上位机软件诊断功能。在以往离线或单一检测状态下的振动故障诊断,实现的只是传动链局部不完整振动故障信号检测,本设计最大特点就是完整的实现了振动故障的精准诊断与识别,提高了振动故障诊断效率,本文技术路线也是今后风力发电机振动故障诊断与监测技术的发展趋势。