风能是一种利用潜力巨大的清洁能源,风电机组是风力发电必不可少的设备,风电机组的装机总量逐年增加。由于风电机组多数安装在野外,容易受到外界环境的影响发生故障。其齿轮箱发生故障的概率和维修费用比其他组成部件都要高,因此研究有效的齿轮箱故障诊断方法对保证风电机组正常运行尤为重要。本文针对齿轮箱的故障诊断技术进行了研究,具体内容如下:首先研究了齿轮箱齿轮常见的故障类型和齿轮目前常用的诊断方法,分析了其优缺点,并选用振动信号来研究齿轮故障。分析了齿轮振动的主要来源和机理,介绍了齿轮振动中的常见参数和频谱的主要成分组成。根据齿轮振动的数学模型,分析了不同故障对数学模型的影响,从而明确了齿轮发生不同故障时频谱的主要特征。通过了解双馈式风电机组的工作原理以及其组成结构,根据相应的原理选择硬件型号搭建了风电机组实验平台的机械部分和控制部分,实验台可以实现变速恒频运行。选择了加速度振动传感器和信号采集仪型号,通过实验获取了实验台在不同转速下正常齿轮和断齿齿轮的振动信号,并根据第二章研究的频谱特征对实验台振动信号进行傅里叶频谱分析,对比了正常齿轮和故障齿轮的区别,验证了频谱特征的正确性。研究了时频域信号处理方法经验模态分解的分解原理以及经验小波变换的分解原理,根据齿轮箱信号类型构建了仿真信号,对比了两种方法对仿真信号的分解结果,验证了经验小波变换的优越性。引入尺度空间理论对EWT分解过程中频带划分进行了优化,对比了Means法、概率论方法、Ostu法、K-means聚类法,Empirical law法五种方法对振动信号的频带划分结果,选用Empirical law法确定频带划分的阈值,确定了优化的经验小波变换算法(SSEWT),为实验台振动信号分析提供了理论依据。最后用改进的经验小波变换算法(SSEWT)对实验台提取的振动信号进行分解,根据峭度指标筛选出了齿轮正常和断齿故障的冲击性分量,对其进行希尔伯特包络谱分析,对比直接对傅里叶频谱分析,希尔伯特包络谱更好的区别了正常齿轮和断齿齿轮,实现了断齿齿轮的故障诊断。