作为目前可规模化开发的清洁能源,风力发电在世界范围内得到了迅猛的发展。风电场通常建造在偏远空旷的地方,工作环境相对恶劣,作为风电机组重要部件,齿轮箱内部结构复杂且载荷较大,是故障多发区域。齿轮箱的运行状况能够直接影响整个机组运行的经济性和安全性,因此齿轮箱的运行状态监测与故障诊断对风电机组相当重要。为实现对风电场齿轮箱运行状态的实时监测,需要清楚齿轮箱内部结构及运行原理,因此本文首先分析了风力发电机组目前常用的两种齿轮箱的结构特征,建立了齿轮箱振动模型,结合齿轮箱的典型振动故障特征参数分析了齿轮箱运行状态实时监测与故障诊断的方法。齿轮箱工作环境较为恶劣,采集到的振动信号中往往含有大量干扰噪声成分,为了提高齿轮箱故障诊断的可靠性,在对采集到的振动信号分析之前,一般都要先进行降噪处理,提高待分析信号的信噪比。针对传统小波降噪的不足,本文引入具有一定自适应性的二代小波,并通过仿真及实际振动数据验证了二代小波在齿轮箱振动信号降噪中的优良性能。为提高工程实用价值,本文探讨了一种可以基本覆盖齿轮箱常见典型故障类型并且稳定可靠的信号分析方法体系。文中选取了两组具有代表性的故障数据进行了仿真,实验表明通过频谱分析可得到振动信号中的故障频率成分,通过倒频谱分析及包络分析可以使故障信息更清晰,获得更多的调制信息。为了克服传统分析方法对线性稳态信号过于依赖的局限性,并且为了能够同时体现信号的时频特性,本文将HHT分析法应用到齿轮箱故障诊断中,得到了良好的诊断效果,以上各种分析方法互为补充,彼此印证,构成稳定实用的分析方法体系。最后,为了体现上述分析方法的工程实用性,将其应用到一组风电场真实振动数据的分析中,通过降噪处理、频谱、倒频谱、包络谱及HHT等方法的综合分析比较后,结合齿轮箱典型故障的振动特征,得出了高速小齿出现局部故障的结论,与现场开箱检查结果吻合。