风力以其清洁﹑可再生﹑蕴藏量大﹑分布广等优点引起了人们的重视。现在风力资源主要是是用于风力发电，风力发电机作为连接机械能与电能交换的纽带在风力发电中起着至关重要的作用，如果发电机出现问题，直接影响电力系统的正常运行。本文主要研究风力发电机齿轮箱的机械故障检测方法。首先，介绍了风力发电的工作原理以及组成部分。针对于风力发电机的齿轮箱的常见故障做了说明，并阐述了齿轮箱的振动机理。其次，对信号进行了一系列的处理，主要包括有信号的消噪部分，信号的分解部分，以及特征量的提取。在经验模态分解的基础之上提出了EEMD-ICA相结合的滤波方法，使其滤波效果更加良好；本文采用局部均值分解，求取分量的多重分形谱与近似熵相结合提取特征量可以更加全面的表示信号的特征。接着，将特征量作为模糊C聚类的输入量，进行模式识别，得到不同故障的分类，为机械故障诊断奠定基础。最后，将该方法用于实验平台采集的数据，通过对数据的分析验证了以上所提方法的有效性。EEMD-ICA滤波可以使信号达到很好的滤波效果；多重分形与近似熵相结合可以对信号做出较全面的定量分析；模糊C聚类可以得到较好的聚类效果。