随着能源危机及环境恶化双重压力的影响,世界能源供应战略发生了重大变化,风能作为一种可再生的清洁能源,在许多国家能源战略中起到重要的作用。风力发电机是实现风能与电能转化的主要设备,其装机容量逐年增加,尤其在我国发展更为迅猛,但同时也暴露出故障频发、维护费用昂贵等问题。齿轮箱作为风电机组的关键部件,制约着风电机组的工作状态,据统计因齿轮箱故障引起维护费用占总维护费用的40%以上。本课题以风机齿轮箱为研究对象,以振动监测分析为主,基于回声状态网络方法,从理论方法和系统设计方面展开研究,构建其状态监测与故障预警模型及系统,以提高风电机组故障监测的准确率,早期故障预警的可靠性,降低误警率与漏警率。论文的主要研究内容如下:(1)研究基于回声状态网络的设备振动状态监测方法。研究回声状态网络的参数选取及训练学习问题,针对设备振动监测参数可预测性特点,构建基于回声状态网络的设备监测模型,实现状态参数的可靠预测及设备早期故障检测。通过Lorenz仿真数据和轴承全寿命振动数据对该模型的性能进行验证。(2)研究基于回声状态网络的风机齿轮箱故障动态监测方法。详细分析风电场机组现有SCADA系统的监测原理及功能,针对其预警功能薄弱、报警模式单一等不足,研究基于回声状态网络和滑窗技术的动态阈值监测方法,实现齿轮箱运行状态的动态监测。通过对机组SCADA历史数据进行分析验证该模型的有效性。(3)设计搭建风电齿轮箱故障预警系统。基于Lab VIEW设计面向风电齿轮箱的故障预警系统,集成所提出的回声状态网络动态监测方法,实现数据采集、预处理、特征提取及监测预警等功能。通过风力发电实验平台进行实验测试和系统应用验证所设计系统的可行性和实用性。