目前,我国的风机装机容量位居世界前列。但是,随着风力发电机组装机容量的增加,风机设备会出现一系列问题,其中风机传动系统的故障率居高不下。风机传动系统出现故障或者事故会造成风机停运等巨大损失,严重影响风力发电的经济效益。本文主要介绍了风力发电的发展现状以及国内外关于故障诊断技术的研究现状,在此基础上,分析了风机传动系统的基本结构和主要特征,重点研究了风机传动系统的故障特征提取方法及故障诊断方法。变分模态分解算法(Variational Mode Decomposition,VMD)可以分为变分问题的构造和求解,主要涉及三个重要概念:经典维纳滤波、希尔伯特变换和频率混合。它可以将携带有不同的中心频率的各模态同时估计出来,本质上是一组自适应维纳滤波器组,它区别于经验模态分解(Empirical Mode Decomposition,EMD)采用非递归模式分解,避免了递归模式分解所造成的包络线估计误差不断累积并可以克服端点效应。因此基于VMD的故障分析方法十分具有研究价值。针对于风机传动系统的振动信号,本文分别应用EMD、小波包(WPA)变换和VMD进行故障特征提取,详细介绍了三种分解方法的基本原理及其算法,并应用于实验数据中进行实例分析。针对轴承内圈故障进行故障特征提取,分析所得分量的频谱图,对比三种方法的分解效果,发现VMD方法所提取出的特征频率幅值最高,而且可以克服模态混叠效应,适合应用于轴承故障诊断。最后采用VMD算法根据风机传动系统的实际振动数据进行故障诊断研究,主要针对于三个代表性故障:齿轮故障、滚动轴承故障和不平衡故障。并将故障诊断结果和EMD、WPA算法进行对比分析,发现从分解效果和故障特征幅值方面,VMD都具有自身的优越性,而且可以避免模态混叠现象。说明VMD算法在风机传动系统故障诊断方面十分具有研究价值。