风力发电机组工作环境恶劣,低速、重载的运行条件经常导致发电机和齿轮箱等关键部件出现故障。风力发电机对外辐射信号复杂,非平稳非高斯性严重,存在大量的非线性耦合信号,传统处理方法难以分离出故障特征,本文将高阶谱引入风力发电机故障特征提取。取得以下成果:研究分析了风力发电机齿轮箱振动信号特征。找出风力发电机齿轮箱包含的多个部件以及多对齿轮啮合的振动信号相互耦合是导致振动信号存在大量非线性信号的主要原因。论证了通过分析识别信号相位耦合提取故障特征的必要性和可行性。与常用的基于温度和振动信号的检测技术相比,基于电机定子电流分析的诊断方法具有经济性和易实施的突出优点。电机轴承故障引发转子径向振动和扭振,使得电机定子电流多个频率成分发生相位调制,在电流频谱图上产生边频带结构。分析这些特殊频率成份的相位耦合信息可以有效诊断风力发电机故障。高阶谱是处理非高斯非线性信号的有力工具,理论上完全抑制高斯噪声,定量描述信号二次相位耦合。仿真和工业实际信号分析表明,改进双谱可以有效识别信号幅度调制产生的边频带,准确提取故障特征。总结上述研究成果,本文提出了用高阶谱分析风机齿轮箱振动信号和发电机定子电流信号的故障特征提取方法,成功运用于V52-850kW型风力发电机故障诊断。工业运行试验结果表明该方法能有效诊断各种类型的风机故障。