轴承作为风电机组的关键零部件,对风电机组的正常运行起着决定性作用。研究风电机组轴承的故障诊断,对于提高发电效率、减少重大的经济损失和节约维护成本具有十分重要的意义。轴承的故障振动信号是非平稳信号,并且发生在强背景噪声的环境下,使其故障特征容易被淹没,特别是风电机组轴承长期工作在交变的载荷下且转速变化频繁,从而给故障诊断带来了一定的困难。虽然小波分析法、共振解调和冲击脉冲等分析方法应用于轴承的故障诊断,但都存在各自的不足,故迫切需要研究新的轴承故障诊断方法。针对现有分析方法存在的问题,论文将以风电机组轴承作为研究对象,研究形态学滤波、局域均值分解、排列熵和BP神经网络等方法在轴承故障诊断中的应用,并借助LabVIEW开发了轴承的智能故障诊断系统。论文研究内容如下:(1)针对轴承的故障特点,提出了一种基于局域均值分解和BP神经网络的轴承故障诊断方法,并通过故障模拟试验平台采集了轴承的故障振动信号;(2)对形态学滤波、局域均值分解、BP神经网络和排列熵等方法作了深入的理论研究,并利用仿真信号和试验数据对其进行验证,证明所提方法的有效性和实用性;(3)借助专业系统开发软件LabVIEW开发了风电机组轴承的智能故障诊断系统,实现了轴承故障诊断的智能化。