随着经济社会的进步,国家对于清洁能源的发展愈加重视,并多次出台相关政策支持其加速发展,而风力发电机作为清洁能源的重要代表之一,为国家可持续发展注入了强大动力。但风力发电机是一个由多部件组合协作完成的复杂设备,尤其是近年来,随着越来越多的大功率风力发电机设施并网运行,其故障排查及后期运维成为一个日益突出的难题。而齿轮箱作为风力发电机的重要传动部件,也是故障最为频发的部件,因此它的工作状态对于整机正常运行具有重要意义,快速确定齿轮箱的失效形式也对提高机组的工作效率有着至关重要的的作用。本文以风机齿轮箱的故障诊断为研究目的,在对齿轮箱系统进行全面分析的基础上,以提高故障诊断精度,缩短故障诊断周期为研究重点,提出了一种基于状态识别与信号分析的故障诊断方法。具体研究内容如下:首先基于专利分析方法构建了齿轮箱故障诊断技术的检索样本库,分析了齿轮箱故障诊断技术的专利申请年度变化趋势、专利申请人区域分布情况、主要技术领域分布、技术生命周期分布等专利布局态势情况,通过这些更能直观反映工程实践的特征要素,梳理总结了风机齿轮箱主要故障类型及故障诊断方法的适用性。其次,运用全关联关系矩阵从联接、功能、位置、能量传递四个角度全面的分析系统内各零部件与目标零件之间的关系,将复杂的研究对象系统进行模块的划分,并通过拒绝域确定合适的临界值将系统进行模块分类,选取与目标零件关联性最大的模块为关键故障区域,对关键故障区域内各组件进行功能分析,并建立功能模型,使划分的零散组件成为一个新的研究系统。合理确定临界值对研究系统的模块划分具有重要意义,划分的模块既要使研究系统更加精简,又要全面涵盖与目标零件故障特征关联性强的零部件。再次,分析关键故障区域零件可靠性计算的数据类型及特征,并分别求解各零部件的应力与强度值,构建零件失效的功能函数,且按照系统的工作原理及联接结构建立关键故障区域的可靠性框图。对各零部件可靠性依次排序,并运用蒙特卡罗的方法对零部件的可靠性进行仿真计算,验证前述计算的合理性。最后,按可靠性排序对关键故障区域内各零部件所采集的振动信号进行经验模态分解,得到其分解到各子频带的模态分量,并计算各模态分量的能量值,选取能量值最大的模态分量对其进行RMS谱分析,获得振动信号的特征频率,从而确定零件的故障类型。该诊断方法在对齿轮箱系统进行全面分析的基础上,进一步提高了诊断精度,同时又缩短了诊断周期。通过分析对比齿轮箱实时采集的振动数据,验证上述故障诊断方法的可行性,且对于大批量相同型号的风机齿轮箱故障诊断具有较强的实用价值。