目前风力发电机的故障检测基本采用传统的定时巡检方法,这种方法检测效率较低,且无法发现潜在故障,需要对风力发电机的故障诊断方法进行进一步的研究。而常用的基于信号的故障诊断方法在应用于结构复杂的风力发电机上也有一定的局限性。基于解析模型的故障诊断方法,能发现潜在故障并容易分离故障,将其应用到风力发电机的故障诊断中能有效提高诊断效率。本论文以三叶片水平轴风力发电机为研究对象,针对风力发电机组工作环境恶劣、测量参数容易受到噪音干扰的特点,研究了风力发电机组鲁棒故障诊断方法,以达到提高风力发电机系统故障诊断的快速性和智能化水平的目的,主要工作如下：(1)对现有的故障诊断方法和基于模型的故障诊断方法进行了综述,介绍了常用的确定性系统生成残差的方法,不确定性系统的鲁棒残差生成方法以及阈值的选取方法和故障隔离方法。建立了风力发电机组变桨机构、传动系统和转换器基于状态空间方程的数学模型。(2)针对变桨机构和转换器系统容易受到外界噪声影响的实际情况,设计采用卡尔曼滤波器作为残差产生器,使残差信号的方差达到最小。采用极大似然变换的方法进行了阈值的设置并通过多传感器方法进行了传感器故障和执行器故障的隔离。(3)针对传动系统实际模型中既要受到风速这一未知输入的影响又要受到外界噪声干扰影响的实际情况,设计了一种改进的未知输入观测器作为残差产生器,该残差产生器结合未知输入观测器和卡尔曼滤波器的优点,可以达到解耦干扰并降低噪声的效果。在产生出残差信号后,采用极大似然比的方法进行了阈值的设定并采用多传感器方法进行了传感器故障的隔离。本文形成了一套完整的基于模型的故障检测和隔离方案,并在理论和仿真中验证了该方案的有效性。本文的研究结论可以为工程中对风力发电机系统的故障诊断提供重要参考。