随着洁净无污染的可再生能源——风能，被世界各国广泛开发利用以后，风力发电技术也日益发展起来，成为目前国内外的研究重点。随着并网风力发电机组安装容量的日益增加，以及海上风力发电的发展，优化和改进风力发电机组的故障诊断技术已成为风力发电技术迫在眉睫的新问题。本文主要围绕双馈感应风力发电机在线监测和早期故障智能诊断所涉及的三个方面来完成，即信号采集、特征量提取以及故障诊断。首先，对故障特征量的准确提取，直接影响是否能在双馈电机发生故障初期做出诊断。因此以双馈感应风力发电机为基本研究对象，分析了双馈感应风力发电机定子匝间短路、转子绕组和轴承故障的现象、原因及其发电机内部故障时的基本方程。通过观察电刷——滑环运行过程中的电磁特性与机械特性，分析电刷运行异常的原因。然后搭建了双馈感应风力发电机的实验平台，通过实验来模拟不同的运行状况，实时采集了不同的输出功率时其正常状态、发生定子匝间短路和转子故障下的电流信号。其次，利用快速傅里叶变换（FFT）对采集到双馈感应风力发电机的所有电流信号进行时频域分析。通过机理分析发现，故障时机理较为复杂，故运用主成分分析（PCA）算法对快速傅里叶变换处理后的电流信号数据进行降维去噪，提取了双馈感应风力发电机在不同运行状态下的频率特征分量。最后，研究了将支持向量机算法（SVM）应用于双馈感应风力发电机的故障智能诊断。把电机故障智能诊断问题看作是一个模式分类的决策问题，故障的智能识别通过支持向量机来实现。随着后期研究的进行，实验数据会不断增加，训练样本数目随之增多，对此提出了基于球环向量的增量算法，建立了用于双馈感应风力发电机故障诊断的增量支持向量机模型，根据本文所提取的特征频率分量训练和测试后的结果表明，该方法进行双馈感应风力发电机故障诊断具有良好的效果。