近年来,能源危机日渐严重。风能作为清洁的可再生资源,现已成为解决能源危机问题的首选。风的不可控性和机组所处环境的恶劣导致了机组故障频繁发生,严重影响到机组的可靠性运行,甚至造成灾难性损失。机组能否安全、正常的运行是提高机组可靠性的重要因素,故障诊断已成为风力发电技术研究的重点。因此,很有必要对大型风电机组开展故障诊断的研究。本文以提高机组的可靠性为研究目的,以机组故障诊断的方法为研究重点,以小波变换为中心展开了对风电机组的核心部件发电机、轴承的故障诊断的研究,研究了风电机组轴承裂纹故障趋势的预测。论文中主要做了以下几个方面的工作:1.研究了风电机组的结构及常见的故障类型,并进行了故障机理的分析,基于ANSYS轴承的模态分析验证了故障发生时频率的变化范围;2.研究了风电机组发电机转子断条故障信号的提取,针对风电机组故障早期时信号比较微弱、时变非平稳等特点,选择了采用小波包技术,并以发电机转子断条故障为例验证了小波包对微弱信号的较好的分析能力;3.研究了发电机转子断条故障的诊断,将定子电流作为分析对象进行了故障特征的提取,建立了对微弱故障反映敏感的频率—能量分布关系,验证了小波包能量分析在发电机转子断条故障中诊断的优越性;4.进行了轴承裂纹故障趋势的预测,深入地研究分析了小波神经网络,通过实例分析验证了预测方法的精度较高,为风场的机组维修提供了理论依据。