化石燃料的不断消耗,引发了全球气候变暖等一系列问题。“双碳目标”是我国在面对环境问题中做出的重大战略举措,而新能源开发是“双碳行动”的关键一环。作为清洁可再生能源的一种,海流能逐渐得到了全人类的广泛关注。海流能可由海流发电机组转化为电能,但由于海底工作环境复杂,海流发电机组工况又和复杂海况息息相关,当发生故障时难以对其进行有效诊断。因此,研究故障诊断方法对提高海流发电整机综合性能有着重要意义。针对上述问题,本论文在国家自然科学基金项目“基于多域特征的海流机故障诊断方法研究”（项目编号:61673260）的资助下,以海流发电机组为研究对象,通过建模仿真和实验方法研究了变工况下海流发电机组常见故障的检测及诊断方法,深入研究了海流发电机组变工况故障诊断方法。论文主要工作内容如下:（1）海流发电机组处于复杂的海底环境,存在较多噪声和干扰。针对流速和环境干扰使得海流发电机组工况随机多变的问题,本文对海流发电机组及其常见故障进行建模和特性分析,并阐述变工况对其信号的影响。为了消除噪声和干扰对信号的影响,提出了一种基于扩展坐标变换（Extended Concordia Transform,ECT）的信号预处理方法,利用一阶求导改进模平方而达到去除信号趋势波动的效果,提高信号中故障特征的鉴别性,基于海流发电样机实验平台对算法有效性进行了验证。（2）长时流速变化使得海流发电机组信号特征多样。针对多变工况下海流发电机组叶片冲击故障特征难以提取的问题,本文提出了一种基于包络几何特征K均值聚类方法（Envelope Geometric K-means cluster,EGK-means）以划分海流发电机组信号的多特征,基于不同工况的特征信息建立多段主成分分析（Principal Component Analysis,PCA）模型,最后利用过程统计量作为检测阈值实现海流发电机组冲击故障检测。（3）海水的膨胀效应使得短时内出现流速瞬时突变现象。针对海流发电机组工况瞬时变化而引起的叶片不平衡故障特征漂移、模糊等问题,本文提出了一种自适应正比频率采样（Adaptive Proportional Frequency Sampling,APFS）方法用来解决故障特征表征能力差的问题,通过自适应调整采样频率以提取模平方信号中的故障特征。针对频域信号监测变量数据维度大、计算复杂的问题,通过转频幅值作为参考筛选冗余变量,初步降低特征维度,最后通过预筛选PCA模型实现叶片不平衡故障检测。（4）随机不规则的波动载荷使得海流发电机组的机械电气部件容易发生各类故障。针对变工况下海流发电机组多故障难以精确诊断问题,本文提出了一种基于横向求和与线性判别分析（Latitudinal Summation Linear Discriminant Analysis,LSLDA）的故障诊断方法用于识别不同故障。该方法通过ECT方法获取模平方信号以生成初始样本集,利用横向求和法消除过程数据的非高斯性以增强故障特征,结合PCA模型减少初始数据冗余特征。最后,通过LSLDA方法解决海流发电机组绕组不对称和叶片不平衡及其故障程度的分类问题。实验验证了本文所提方法能够有效解决变工况下海流发电机组故障诊断问题。本文搭建了基于信息物理系统（Cyber-Physical Systems,CPS）的海流发电机组故障监测系统,根据监测部件和诊断方法对CPS故障监测任务进行多层分解,最终实现了对海流发电样机的实时故障监测。