目前，故障诊断的新算法很多，但针对具体故障分类问题，需求样本数过多，算法复杂，而且适应性差，不适于故障样本数据少、要求诊断准确率高的永磁同步风力发电机。本文对永磁同步风力发电机的运行各种状态的振动特性进行研究，以获取永磁同步风力发电机的振动时频域序列为原始信号，包含四种运行状态（正常、地脚螺丝松动、转子不平衡和转子不对中）。在最小二乘支持向量机(LS-SVM)算法基础上，本文通过遗传算法对LS-SVM参数优化寻求更高准确率的分类效果。　　 1)结合目前风力发电领域中主流发电机之一的永磁同步风力发电机，介绍并分析了永磁同步风力发电机的结构特点、故障原因、故障类型、故障基本特征，为永磁风力发电机的故障诊断提供根据。根据实验对象选择了振动加速度传感器，并采用不同型号螺柱焊接和发电机原有螺孔相配合，实现测试对象与传感器的刚性接触。通过调速装置、ZonicBook/618E振动测试仪和计算机等设备及元件，获得永磁同步风力发电机起动和停止过程的振动趋势图，对其分析并确定发电机的零界转速。　　 2)通过内含eZ-analyst软件的ZonicBook/618E对发电机四种状态：正常、地脚螺丝松动、转予不平衡、转子不对中振动信号，并进行小波阈值去噪。对去噪后信号各段频率占有成率进行分析，并通过归一化，作为后续故障诊断的样本数据。　　 3)对获得各频率成分进行归一化，每个样本有7个特征量，以特征量的占有率作为最小二乘支持向量机的训练样本和测试样本。遗传算法本身具有数值优化的典型特点，本文用遗传算法对LS-SVM算法的参数进行3层优化4分类。通过优化前后故障分类的准确率的对比，可证明此优化算法分类效果良好。