由于能源危机和环境问题日益严重,风能作为绿色无污染能源已受到世界各国的关注和重视。随着装机规模的不断扩大,及时发现风电机组故障并进行维修变得越来越重要。齿轮箱是风电机组中故障率较高的部件,振动信号分析是齿轮箱故障诊断中最常用的技术。风电机组齿轮箱振动信号成分复杂,具有较强的背景噪声和明显的非平稳性。研究可以适应振动信号非平稳性、非高斯特征的新方法是提高其故障诊断技术水平的关键。因此,开展对风电机组齿轮箱振动信号的特征提取、故障检测与故障分类等方法研究,对于保证风电机组正常安全运行具有重大的实际意义。本文在对风电机组齿轮箱进行振动测试的基础上,针对传统振动信号分析方法往往仅对单通道信号分别提取,无法提取多通道振动信号各通道间关联和结构信息的问题,提出了一种基于协方差矩阵流形分析的齿轮箱故障诊断方法。主要研究内容如下:首先,综述了风电机组齿轮箱故障诊断的基本理论和方法,阐述了风电机组的基本组成,分析了国内外研究现状,介绍了常用的振动信号特征提取方法,在分析多通道振动信号的基础上,给出了基于多通道振动信号的协方差矩阵流形表示方法。其次,针对风电机组齿轮箱多通道振动信号的关联和结构特征提取问题,提出了一种基于协方差矩阵流形表示的椭球可视化故障诊断方法。该方法将多通道振动时间序列转化为一个协方差矩阵序列进行处理,可以有效表达各通道间的关联结构信息。对协方差矩阵通过奇异值分解转化为椭球和四元数表示,可以实现齿轮箱振动状态的可视化,然后进行各向异性分析,从而有利于理解振动信号特点并进行故障诊断。再次,在多通道振动信号协方差矩阵流形表示的基础上,针对齿轮箱振动信号非平稳性、非高斯的特点,提出了一种基于协方差矩阵流形黎曼距离的故障检测与定位方法。该方法用协方差矩阵流形作为描述子,以黎曼距离作为相似性度量,结合统计过程控制图来实现对齿轮箱故障的检测与定位。通过实验测试与分析,该方法不仅可以有效检测多通道振动信号间的相关性,而且在故障检测准确率和算法复杂度上均具有一定的性能优势。最后,针对风电机组齿轮箱故障分类问题,基于振动信号的协方差矩阵流形表示和传统的多元多尺度熵算法,提出了一种多尺度流形熵故障分类方法。该方法将传统的多元多尺度熵推广到协方差矩阵上的多尺度流形熵,解决了传统方法计算量大、难以量化各通道间相关性的问题,实现了齿轮箱振动信号的复杂性和相关性特征的有效提取。在故障数据上进行验证,结果表明该方法可以有效地降低计算复杂度,同时避免了传统时频分析中高频信号的干扰,具有较高的故障分类识别率。