为解决能源与环境问题,世界各国纷纷将目光投向新能源发电技术,风力发电迅速发展,风机故障问题逐渐突出。轴承是风力发电机的关键部件,故障率较高,因此研究风力发电机轴承故障诊断方法具有重要意义。本文首先对风机轴承振动信号进行故障特征提取。针对风机轴承振动信号非线性和非平稳性的特点,采用小波包分解这种时频域分析方法提取风机轴承故障特征,小波包分解层数设置为3层,对第三层中得到的8个子频带信号进行处理,计算各子频带的能量占总能量的比例,以此能量比来表征风机轴承故障特征。其次,本文完成了基于神经网络的风机轴承故障诊断分析。风机故障诊断采用BP神经网络和PNN神经网络相结合的方法,创建了BP神经网络模型和PNN神经网络模型,然后对隐含层神经元数、传递函数和spread值等参数进行分析和确定,从而得出风机故障诊断神经网络模型。文中对风机轴承故障诊断方法进行了仿真分析,仿真结果表明BP和PNN神经网络均得到了理想效果,但从模型设计难度和故障诊断总耗时长上看,PNN神经网络要明显优于BP神经网络。最后,本文设计了基于物联网的风机轴承故障监测系统。该系统采用CC2530为主控芯片。Zig Bee终端节点安装在风机上实时监测风机轴承振动参数,各节点采集的振动参数在协调器上完成汇总打包,经网关模块发送给web服务器。风机振动数据可显示并存储在监控中心上位机中,上位机根据振动数据进行故障诊断显示风机的运行状态,管理人员可在上位机上进行数据查询与管理等操作。