随着风电行业的迅猛发展,对风电机组的可靠性要求越来越高,其故障诊断技术已经成为该行业的第三产业。风电齿轮箱作为风电机组中的关键组件,加强其状态监测与故障诊断具有重要意义。风电齿轮箱中行星齿轮传动部分故障发生频率相对较高,由于其特殊的传动结构使其故障诊断要比传统的定轴齿轮箱难度更大,如何有效提取这一部分的故障信息是一个重要的研究课题。为此,本文基于共振稀疏分解方法提取风电齿轮箱的行星架轴承和行星齿轮的早期复合故障信息,取得了良好的效果。本文选定研究对象的具体结构为一级行星传动加二级定平行轴齿轮传动形式,并确定了故障类型为行星架轴承外圈剥落故障和行星齿轮局部剥落故障。根据齿轮箱的具体结构,分析了行星架轴承外圈剥落故障和行星齿轮局部剥落故障的传递路径,提出了符合故障信号传递路径的二自由度振动模型,并结合行星齿轮断齿故障信号研究了故障冲击响应信号的时域波形特征。研究了行星架轴承和行星齿轮的局部故障信号的频谱特征。分析了风电齿轮箱振动信号中包含的主要成分。本文结合风电齿轮箱早期复合故障的时域波形特征,提出了基于共振稀疏分解的风电齿轮箱早期复合故障信息提取方法。通过对共振稀疏分解各参数的详细分析,研究了各参数对故障信息提取效果的影响。针对传统共振稀疏分解方法中品质因子和权重系数矩阵选择上的不足,利用遗传算法良好的全局寻优特性,优化高、低共振分量的品质因子与权重系数矩阵。得到的最优品质因子充分考虑了早期复合故障的共振属性差异,达到与行星架轴承外圈和行星齿轮早期复合故障冲击响应信号最佳的匹配效果。得到的最优权重系数矩阵有效地减少了故障信息的流失并避免了共振分量之间的耦合现象。最后,根据实际转速变化情况,采用包络分析或阶次包络分析处理包含着故障信息的高、低共振分量,反映早期复合故障信息的提取效果。在清华大学风电齿轮箱故障诊断实验台上验证本文提出的方法,通过行星架轴承和行星齿轮早期复合故障信息提取实验说明了该方法的有效性。与传统共振稀疏分解方法得到的结果进行对比分析,结果表明本文提出的基于参数优化的共振稀疏分解方法,不仅可以有效地避免传统的共振稀疏分解方法提取早期复合故障信息时易出现的漏诊现象,还能在提取过程中保留更多地故障信息并减少共振分量的耦合情况。