风电机组工作环境恶劣,风速不稳定,在交变载荷条件下,风电机组的传动系统最易失效和损坏,尤其是风电机组的主轴、齿轮箱等关键传动件的不平衡、磨损、疲劳损伤、断裂等故障更为明显。风电机组安装在野外几十米的高空,体型庞大,结构复杂,维修十分不便,风电机组传动系统故障所造成的发电量损失及部件更换费用极高。如果能对风电机组传动系统的故障进行智能诊断,并据此指导保养和维修工作,就能有效地控制故障过程,避免事故发生,还可避免匆忙采购、长期等待、坐失发电的黄金季节等现实问题。　　风电机组传动系统由主轴、轴承、齿轮箱等传动部件组成,受到信号传播途径、传播介质的影响,单一测振传感器的振动信息主要反映传动系统的局部运行状态,需要在风电机组传动系统不同位置布置多个测振传感器进行振动状态监测,通过对多个测振传感器的振动信息进行融合处理,以期更好地全面反映风电机组传动系统整体运行状态。由于在交变载荷作用下风电机组传动系统各部件的振动信息相互耦合、振动信号具有强烈的非线性特点、故障特征微弱,各个测点的振动故障特征难以提取。目前风电机组传动系统故障样本稀缺,故障诊断难度大,需要研究小子样故障诊断方法。　　论文针对风电机组传动系统非线性微弱特征提取、小子样故障诊断、多传感器信息融合决策等问题,深入研究基于信息融合的风电机组传动系统智能故障诊断方法,具体研究内容如下:　　1)针对风电机组传动系统振动故障特征微弱、非线性的特点,提出基于半监督流形学习的风电机组传动系统非线性微弱故障特征提取方法。研究了风电机组传动系统故障状态表征方法,构建混合域特征集,全面准确地刻画风电机组传动系统微弱故障特征。通过重建权重来描述风电机组样本之间的局部几何,结合混合域特征的非线性流形结构和部分标签信息形成距离矩阵,基于距离矩阵进行近邻重构进而发现风电机组传动系统混合域特征集的全局低维坐标。研究了半监督流形学习融合约简过程中的本征维数、邻域大小对敏感特征的影响规律,避免了参数选择的盲目性,提高了风电机组传动系统非线性振动信号敏感特征的提取效果。　　2)针对风电机组传动系统故障样本稀缺问题,提出基于免疫遗传算法优化小波支持向量机的风电机组传动系统小子样故障诊断方法。结合支持向量核和小波分解理论,研究了小波支持向量机的构建方法,小波核函数具有局部分析和特征提取能力,更加适合处理风电机组传动系统局部融合智能诊断。研究了免疫遗传的参数优化选择算法,通过综合考虑抗体之间的信息交互实现小波支持向量机参数的优化选取,建立基于优化参数的智能诊断模型,提升了风电机组传动系统局部融合智能模型的诊断性能。　　3)针对多传感器振动信息的融合决策问题,提出基于不完善信息融合理论的风电机组传动系统多传感器振动诊断结果的融合决策方法。计算多传感器振动诊断结果的冲突系数,当冲突系数小于一定阈值时,采用DS证据理论,利用先验概率赋值函数表示后验证据区间,实现风电机组传动系统各传感器振动诊断结果的融合决策;当冲突系数大于一定阈值时,采用DSmT融合决策理论,利用冲突比例重分配规则对冲突证据的信度进行重新分配,实现风电机组传动系统相互冲突的多传感器振动诊断结果的融合决策。　　4)开发一套具有自主知识产权的风电机组传动系统智能故障诊断系统,规划该系统的功能结构,该系统包含数据采集,信号分析,故障特征提取、故障诊断以及信息融合决策等功能,实现了基于信息融合的风电机组传动系统智能故障诊断理论的工程应用。　　文章最后对本文的工作进行总结,并展望下一步的研究方向。