风能作为一种清洁可再生能源,现已被全球广泛利用。风机装机量的猛增,且故障也频发,且会造成无法挽回的损失。因此,对其故障诊断迫在眉睫。风电机组的齿轮箱发生故障频率高,且其维修困难。因此,本文对风机齿轮箱故障诊断方法进行分析和研究。主要工作有以下几点:(1)分析了风机齿轮箱的基本原理和常见故障机理,并且总结了其故障诊断的研究现状。(2)提出了一种结合改进小波阈值去噪和改进经验模态分解(EMD)的特征值提取方法,来提取出无噪声影响且更准确的时域特征以及分解得到的每个本征模态函数(IMF)分量能量的故障特征,构成样本集。(3)针对样本集中的特征值冗余繁多,提出一种改进邻域粗糙集方法,来约简对决策属性没有影响的特征值。通过对UCI数据集的实验分析,验证了方法的优越性。(4)针对风机齿轮箱故障,提出了一种改进粒子群算法(IPSO),并用其改进BP神经网络,建立IPSO-BP神经网络模型。通过实验对比分析,证明论文所提方法在齿轮箱故障诊断中的优越性。(5)搭建实验平台,并设计了一个Matlab GUI界面的齿轮箱故障诊断软件系统。集成了信号采集处理、特征值提取约简、故障诊断等功能,从而让诊断更为简单明了。