轴承故障是风力发电机的主要故障,其中轴承的电流损伤是导致风力发电机轴承过快损伤的主要原因之一。在风力发电机运行过程中,早期很难发现轴承电流损伤问题,一般都要等到风力发电机表现出了明显的运行故障特征后才停机维护。如果不能保证发现轴承电流损伤故障的时效性,轻则使整个电机组的运行寿命大大降低,重则造成重大安全事故,带来巨大的经济损失。本文旨在研究一种能识别轴承电流损伤的故障识别方法和一种轴承电流损伤状态预测方法,全文的研究内容如下所示:(1)设计了轴承电流损伤模拟实验台,在实验台中加入了通过程序控制加载电流形式和电流大小的程控电流源作为电流发生装置,加入了用于检测轴承中实时电流大小的电流表;采集了普通轴承机械故障振动数据和轴承电流损伤全寿命振动数据。针对轴承的几种典型故障进行了振动信号分析,通过对比振动信号的时频域图和包络谱图找到了实验轴承相对应的故障特征频率。通过对轴承电流损伤全寿命数据的分析,得出了该振动信号的时频域特点。(2)提出了一种多模态流形的轴承电流损伤故障识别方法。结合模态函数的物理意义和流形学习的思想,在流形空间中对信号进行经验模态分解,得到一系列可表征轴承振动特性的模态函数,使用模态函数样本熵作为来反映轴承振动特性的特征值。结合流形学习降维方法,提取高维特征值矩阵的主流形结构,最后通过支持向量机方法进行轴承电流损伤故障进行模式识别。结果表明:该方法对轴承电流损伤故障的识别效果在90%以上。(3)提出了一种基于随机森林预测模型的轴承电流损伤预测方法。首先对轴承电流损伤信号进行特征提取,在特征提取的过程中分别计算流形子空间中轴承电流损伤信号的各阶模态样本熵值,构建电流损伤信号的特征矩阵,再运用随机森林算法建立轴承电流损伤预测模型,将构建好的特征矩阵输入随机森林预测模型,对轴承的故障损伤趋势进行预测,实验结果表明:基于随机森林预测模型的轴承损伤预测方法可以很好的对轴承电流损伤状态进行预测。(4)提出了一种基于方差贡献率的轴承电流损伤状态表征方法。首先针对在高维空间中分解出来了的模态函数,求出每个模态函数对应的方差贡献率,然后选用方差贡献率比较大的流形子空间模态函数计算其样本熵值,构建电流损伤特征矩阵,再将构建好的特征矩阵输入随机森林预测模型进行轴承电流损伤预测,实验结果表明:在应用的过程中,该方法改善了轴承电流损伤故障识别中出现的聚类交叉问题,同时也提高了随机森林预测模型对于轴承电流损伤状态的预测稳定性。