风能作为一种可再生,无污染的新能源,受到越来越来多国家的重视和青睐,随着单机容量和风机体积的逐渐增大,风机发生故障的概率也日益增大,而齿轮箱作为风机最主要的结构之一,其发生故障的频率和造成的停机时间相对于其他部件都是最高的。故对风机齿轮箱的故障实时监测也显得尤为重要。同时由于受风机自身结构和风速时刻变化的双重影响,所采集到风机齿轮箱的故障信号往往具有非平稳的特性且含有大量的噪声,为了提取故障信息的特征频率,提高风机的运行效率,本文从以下几个方面作了对风力发电机齿轮箱振动信号的分析与故障诊断:首先,针对风力发电机齿轮箱振动信号的非线性、非平稳的特点,对风机齿轮箱的结构及典型故障形式做了详细的阐述,在此基础上对风机齿轮箱振动产生机理及振动信号的频率特征作了深入研究,并对现场所采集到的风机齿轮箱典型故障振动信号进行了深入分析,阐明了不同故障振动信号的特征。其次,从时域诊断法和频域诊断法入手,对风机齿轮箱的早期故障诊断方法作了研究,并对传统的FFT分析方法和基于COT重采样的阶次分析方法原理作了深入研究,阐明了传统的基于FFT的普通频谱分析方法只能提取机械在转速稳定状况下的特征频率,若用于提取风机故障时的特征频率,则将出现难以辨认的“频率模糊”现象。同时运用基于COT重采样的阶次分析处理非平稳信号,消除了因转速不稳定引起的“频率模糊”现象,并通过仿真信号与传统的FFT分析相比较,验证该方法的优越性。最后,由于现场所采集到的风机齿轮箱信号含有大量的噪声,影响了传统阶次分析过程中重采样的精度,本文对传统的阶次分析重采样过程进行改进,提出了基于阶次分析和小波阈值去噪相结合的诊断方法,与基于COT重采样阶次分析相比较,提高了其重采样的精度,并通过现场实例对比分析,验证该方法的有效性。