风电发展是推进我国能源革命、改变能源格局、防止大气污染、构建清洁低碳、安全高效能源体系的重要手段。风机叶片是风电机组正常运行的关键部件之一,其性能的好坏将直接影响机组运行的可靠性。叶片覆冰和叶片破损是风机叶片的常见故障。叶片破损会对风力发电机组的安全,稳定运行产生影响,严重的甚至会造成叶片断裂,引起重大事故。叶片覆冰会降低风力发电机组的输出功率,影响风电机组的发电效率。如能及时准确的检测出叶片运行期间的故障,可以在很大程度上避免发生重大事故,减少经济的损失。本文介绍了当前风电机组叶片覆冰和叶片破损的主要故障诊断方法,使用GH Bladed软件模拟了叶片覆冰和叶片破损这两种叶片故障,获取到了两种叶片故障发生时的机组运行数据以及叶片状态信息。对于叶片覆冰故障,本文主要使用基于数据采集与监视控制系统(Supervisory Control And Data Acquisition,SCADA)数据的 K 最近邻(K-NearestNeighbor,KNN)方法进行叶片覆冰故障诊断。对于叶片破损故障,本文选取了叶片振动信号,通过求得叶片的模态参数进行叶片破损故障诊断。实验结果表明上述两类研究方法可以准确地对风电机组叶片覆冰和叶片破损进行判别诊断。本文在最后一章介绍了一种小型风机叶片振动实验台的设计,并使用锤击法对小型叶片进行了模态实验,分别使用加速度信号与位移信号求出了小型风机叶片的模态参数并进行了对比。