本文针对风电齿轮箱的故障诊断问题,分析了风电齿轮箱的常见故障及其形成机理、利用频域和时域特征量进行故障诊断的方法和支持向量机(SVM)理论,并以此作为理论基础,搭建了基于DSP-SVM的风电齿轮箱故障诊断系统。该系统充分发挥了支持向量机技术和嵌入式技术的优势,实现了信号的采集和处理,以及风电齿轮箱故障的自动识别。在研究的过程中,利用支持向量机软件包Libsvm在DSP芯片TMS320F28335中实现了支持向量机算法。文中分析了Libsvm代码的结构,详细论述了移植Libsvm的方法,并给出了在移植过程中需要注意的问题的解决方案。并且在移植代码成功后进行了两个验证实验,结果表明支持向量机能在芯片中正常运行,其预测分类的结果与在PC中的运行结果一致。在随后的工作中,加入了信号采集模块、信号调理模块、模数转换(AD)模块、信号处理模块和数据传输模块,使整个系统得到了完善;搭建了行星齿轮箱实验平台模拟风电齿轮箱的工作环境,对整个故障诊断系统进行了验证实验。实验结果表明,基于DSP-SVM的风电齿轮箱故障诊断系统能够对行星齿轮箱的故障识别表现出较高的正确率。本系统能应用于风电齿轮箱的故障诊断中,对丰富故障诊断技术具有实际的意义。