当前,环境污染和能源问题日益突出,风力发电己成为世界各国更加重视和重点开发的能源之一。随着大型风力发电机组装机容量的增加,其系统结构也日趋复杂,当机组发生故障时,不仅会造成停电,而且会产生严重的安全事故,造成巨大的经济损失。风力发电机的电气故障信号信噪比较大,采用常规的方法就能较好地识别故障。而其机械系统是一个复杂的时变非线性系统,且受到风场不稳定气流等因素的影响,其故障振动信号是非平稳的,使用常规方法难以有效提取故障特征。研究使用先进的诊断技术对其进行故障诊断,具有缩短维修时间、降低维修成本,避免发生严重事故的重要意义。多尺度线调频基稀疏信号分解是一种新的信号处理方法,经验证在时频分析方面效果优越;广义解调可以将时频分布呈曲线变化的多分量非平稳信号转化为时频分布平行于时间轴的平稳信号,因此非平稳信号经广义解调后满足傅里叶分析对平稳性的要求;包络阶次谱方法采用等角度采样,采样信号具有角度域的平稳性,因此也适用于变转速工况下的风力发电机旋转部件故障振动信号分析。本文在国家高技术研究发展计划(863计划)课题“大型风力发电机组状态监控与故障诊断技术研究(项目批准号:2009AA04Z414)”和国家自然科学基金项目“多尺度线调频基稀疏信号分解方法及其在机械故障诊断中的应用(项目批准号:50875078)”资助下,围绕多尺度线调频基稀疏信号分解方法及其在风力发电机齿轮箱故障诊断中的应用进行了理论研究和实验分析。论文主要研究工作和创新性研究成果有:(1)根据风力发电机的结构以及风场的环境特点,研究了风力发电机齿轮箱的故障产生机理。基于风力发电机组的变转速运行特点,建立了风力发电机故障模拟实验系统,并通过数据分析表明,准确的提取、识别振动信号的调制特征是对风力发电机的齿轮箱进行故障诊断的关键。(2)针对变转速工况下风力发电机齿轮箱振动信号的瞬时频率提取困难问题,将基于多尺度线调频基的稀疏信号分解方法引入到风力发电机齿轮箱振动信号分析。介绍了基于多尺度线调频基的稀疏信号分解原理,并通过仿真算例和实验信号分析证明了该方法在处理瞬时频率连续变化的信号时具有较强的抗噪能力和时频聚集性,非常适合于变转速工况下风力发电机齿轮箱振动信号的分析处理。(3)针对广义解调时频分析方法中对频率呈曲线变化的多分量非平稳信号相位函数提取困难的问题,将基于多尺度线调频基稀疏信号分解方法引入广义解调,有效解决了相位函数提取问题。仿真算例和应用实例表明,该方法能准确提取相位函数,将多分量非平稳信号解调为平稳信号,适用于风力发电机变转速工况下的齿轮箱故障诊断。(4)针对包络阶次分析中转速提取困难和基于瞬时频率的转速估计方法精度不理想问题,采用基于多尺度线调频基的稀疏信号分解方法来获取转速信号,在此基础上再对风力发电机齿轮箱振动信号进行包络阶次分析。仿真算例和应用实例表明,该方法能准确提取瞬时转频,解决了传统阶次分析方法中转速测量设备安装困难问题,节约了诊断成本。多尺度线调频基稀疏信号分解算法在分解瞬时频率呈曲线变化的多分量非平稳信号方面效果明显,本文将其引入非平稳振动信号的广义解调分析、包络阶次分析能有效应用于风力发电机齿轮箱系统的故障诊断。