能源是一个国家的重大战略需求,随着人类社会进步步伐的加快,能源已逐步匮乏使得能源问题越来越突出。风能作为可大规模开发利用的可再生新型清洁能源之一,在技术研究、装备制造及零部件配套等方面都得到了迅速的发展。近年来我国在大力发展风力发电事业的进程中,风电机组也逐步趋向大型化,我国风电现已进行大规模开发局面,但随着风电机组服役时间增加,对风电机组实时监测及时发现并处理设备状态退化及故障隐患显得非常重要。由于风力发电机组向大型化趋势发展,造成采集到的振动信号干扰强而特征微弱,另外设备状态退化的振动信号由于设备所在工况等条件的影响多表现为非平稳特性。针对大型风电机组传动系统的状态退化振动信号的研究,首先应该重点关注于如何在强背景噪声干扰中获得有用的振动特征信号,得到干净的振动信号后如何分析状态退化的振动信号特征。解决这两项的关键问题是对确定风电机组传动系统状态退化振动特征的基础条件。传动系统由于其完成了风力发电机组中的主要功能,被认为是其重要部件之一。为了研究好传动系统的状态退化振动信号特征,首先要从基础理论研究,建立动力学模型。目前,大型风电机组传动系统多采用行星轮系结构,针对比较不同的建模方法,本文选择集中质量参数法,针对大型风电机组传动系统建立其在多种激励下的动力学模型,分析风电齿轮箱的振动激励及振动特征随工况变化时的数学模型,从而为分析风力机齿轮箱的状态退化提供理论依据。对于风力发电机组传动系统,其状态退化的振动特征信号具有非平稳非线性的特征,由于风机传动系统悬置于高空,采集到的实测振动信号可能包含有各种强噪声干扰成分。噪声信号多为强干扰,使得有用的状态退化振动信号常常淹没在噪声信号中,为了准确提取出所要分析的有用的状态退化振动信号,必须对信号进行滤波降噪处理。因此,本文提出基于SVD和高斯小波融合的滤波降噪方法。该方法可以有效地分离出有用的风电机组传动系统的振动信号,充分避免强背景噪声对信号的污染,为后续的对状态特征信号做时频分析做好前提保证。在信号分析方法中,HHT方法其优越的自适应特征得到广泛认可,但是在发展的过程中体现出了各种弊端,如端点效应及模态混叠问题等。这些问题的产生影响了HHT方法的应用领域。本文在HHT信号时频分析方法的基础上,提出添加改进掩避信号提取大型风电机组传动系统状态退化的振动信号非平稳特征方法。该方法在对原始数据端点做波形延拓的同时,通过能量均值改进掩蔽信号的选择,从而解决端点效应的同时有效地抑制信号分解时的模态混叠现象。本文基于以上提出的滤波消噪以及时频分析方法,开发风力发电机传动部件振动分析系统的软件,以便于对风力发电机组传动系统的状态进行监控,掌控风电机组传动系统的状态退化振动特征数据。设计开发风力发电机组传动部件振动分析系统,应用现代信号处理技术、无线传感技术、数据库技术开发了数据分析与故障诊断子系统。通过对某风场风机传动系统的实测信号,进行信号处理分析,验证所开发状态退化振动特征分析系统的可靠性和有效性。