风力发电机安装位置高，一般工作条件恶劣。出现故障不好维修，针对风力发电机组的运行状态进行有效、及时、准确的预测故障的发生和发展，避免和减少故障的发生，降低维修成本。对于风力发电机组故障率发生最高的则是发电机，所以从发电机着手来进行故障诊断研究，发电机结构的复杂性，并保证在不拆卸、不破坏设备并保证设备在正常运行的情况下，能够准确的判断工作状态、性能好坏、参数变化和故障趋势，这就需要一套功能完善、性能稳定的状态检测和故障诊断系统。由于发电机属于旋转机械，而旋转机械在高速运转时会产生振动，利用对振动信号的实时监测，系统便可从振动信号来进行状态识别。这样一套风力发电机故障诊断系统，首先要在不妨碍机器运转的情况下，使传感器尽量靠近振源安装，从多个角度和方向来选好测点和探头位置，对运行的发电机常见故障（正常、转子不对中、轴向裂纹和油膜震荡）进行振动位移的测量，并对故障情况进行振动信号模拟。其次，对测得的振动信号进行MATLAB小波分析，利用小波包进行信噪分离，分离出无用的噪声信号，将有用的信号保留，进行小波包能量谱分解，算出每个频带所占总能量百分比，作为故障诊断中识别的特征参数。再次，将MATLAB小波包去噪分解后各频带所提取的能量特征值作为BP神经网络的输入端样本，通过隐含层的激励函数，进行神经网络训练，得到输出的故障类型，选取测试样本进行网络测试，结果达到了对测试样本的有效识别，这种BP神经网络训练对故障类型的识别是简单可行的。最后，利用Visual Basic程序对风力发电机振动检测故障诊断系统界面进行设计，可分为两大系统，即用户系统和管理员系统。用户系统可对振动信号采集、分析，提取有用信号，进行故障类型的判别，有效的输出诊断结果。管理员系统可对Access数据库进行查看、删除和打印最后结果。利用本文开发的风力发电机振动故障检测诊断系统，可简单的预测设备故障的发生和发展，有效降低了经济损失，并对下一步成熟的风力机故障诊断系统有一定的参考价值和指导借鉴作用。