随着风力发电技术的发展,风力发电机组的单机容量越来越大,对其设备故障诊断的实时性、准确性及有效性的要求也越来越高。风电机组中的齿轮箱是一动力传送部件,也是一高故障发生率部件,进行风电机组齿轮箱故障诊断的研究,对保证风力发电机组的正常运行具有重要意义。然而,故障振动信号特征信息的提取是风电机组齿轮箱故障诊断研究中的关键,它直接影响了风机齿轮箱故障诊断的准确性、有效性以及故障早期预警的可靠性。本文通过对风电机组齿轮箱故障的类型、原因以及不同故障信号的特征表现进行分析,给出了齿轮箱振动信号的数学模型,并给出了风机齿轮箱故障特征信号提取的方法。以风电机组齿轮箱故障振动信号的非平稳时变特性为出发点,首先,为了更有效地提取其特征信号,提出了基于小波降噪的预处理方法,给出了小波降噪算法；其次,在深入地研究了Hilbert变换和EMD分解技术后,提出了改进的Hilbert变换包络解调法,以实现故障特征的提取,该方法采用EMD技术把齿轮箱故障振动的非平稳时变信号分解成若干IMF(本征模态函数)的线性组合,再对其IMF分量进行Hilbert变换包络解调,从其包络信号的频谱分析获得故障信号特征；最后,通过算例分析验证了该方法能凸显倍频现象,减小故障特征误差,有效地提取了风机齿轮箱的故障特征,具有较高的实用性、准确性、有效性及可靠性,是一种更加合理的故障特征提取方案。