由于风能作为一种取之不尽、用之不竭、污染少的清洁能源,它得到了世界各国的迅速发展,而伴随着其发展,风力发电机组的维护工作显得十分重要,一旦机组出现故障或事故就会造成大量的经济损失。为了确保机组能够安全稳定的运行,降低故障或事故的发生率,需要对机组进行状态监测与故障诊断。轴承在风力发电机组的传动系统中起着十分重要的作用,工作环境比较恶劣,故障发生率比较高,本文针对这点对轴承进行研究,对其进行状态监测与故障诊断。文章首先介绍了风力发电机组的机械结构原理,其次叙述了轴承的几种典型故障类型,为系统的设计奠定理论基础;接着搭建了轴承状态监测与故障诊断系统,包括硬件和软件两个部分:硬件部分主要是实验平台的搭建、传感器的选择和数据采集卡的选择;软件部分主要是利用LabVIEW软件来完成监测采集、信号特征提取、故障诊断和数据库管理等功能;然后研究了时域分析、频域分析和小波包分析三种方法,对轴承在正常、内圈故障、外圈故障和保持架故障四种工况下的振动数据进行特征提取;再针对遗传算法的不足,对其进行改进,用改进的遗传算法来优化极限学习机的输入权值和隐含层阈值,建立IGA-ELM模型,应用于轴承的故障诊断中,实验结果表明取得了较好的结果。