近年来,随着环境污染越来越不容乐观,清洁能源的开发和利用已成为全世界关注的研究热点,在我国新能源政策的鼓励和支持下,我国风力发电行业正在呈现着迅猛发展的势头,风力发电正处于当今新能源发展的热潮中。现如今我国在风力发电行业虽已有许多了后来居上的发展成果,但与全世界对比,我国的风电产业起步相对较晚,一些技术实力相对还未完全成熟,风机机组设备的运行控制和维护技术仍有一定的发展空间,风电机组事故也频有发生。众多风机机组事故的分析调查显示,风机机组齿轮箱故障是引起系统停机故障发生的核心原因之一。在严峻的环境条件下风机齿轮箱极易因超负荷受力导致故障产生,且恶劣环境下的维修工作难以开展,由齿轮箱故障造成风电机组停机所带来的经济损失和人力消耗均十分巨大。因此,在风机运行过程中,有效地进行故障检测与诊断对维护风机可靠稳定运行具有至关重要的作用。本文首先分析了风机齿轮箱故障中各部件的故障概率及各种齿轮箱部件的故障原因与损伤机理,并对齿轮箱故障类型进行了分类;以风机齿轮箱振动信号为检测信号源,在频域内分析了齿轮故障、轴承故障、轴故障等不同故障类型下的振动信号频谱特性。其次,针对风机齿轮箱振动信号的非平稳特性和定频采样方式存在的频谱泄露现象,采用了三次样条插值的异步信号重采样方法对振动信号进行了信号处理,采用时域平均方法,将一定周期数量的时间序列信号进行叠加并取平均值,获得新的短序列进行分析。并以风机齿轮箱振动时间序列为给定数据节点,完成了对时间序列的函数f的重构。然后,采用瞬态时间序列符号动力学的算法,首先根据符号动力学中的数据的符号划分方法,对风机齿轮箱的振动信号进行符号化,获得输出的符号序列,从而根据有限长度的符号序列建立了概率有限状态自动机(PFSA)模型;依据该振动信号的序列数据,进行了在线分类,利用训练数据建立模型。由测试数据检验模型的输出正确与否,并实现在线地对模型进行自整定,根据后验概率进行分类,从而确定该风机齿轮箱的故障类型。最后,通过MATLAB环境下建立模型和仿真,验证了本文瞬态时间序列符号动力学的算法在风机齿轮箱故障诊断过程中的有效性和准确性。