风能作为最有潜力可大规模开发的能源,被各国所重视,因而风机装机总量逐年增加。风力发电机组是由传动系统、偏航系统、变桨系统等部分组成,其中任何一个关键部件故障都会导致风电机组故障停机,严重影响风电机组的年运行时间。由于风电场处于位置偏远、环境恶劣的地方,风电机组会受到不定向、无规律、变强度的风力的冲击,导致风电机组故障频发。齿轮箱作为风电机组的关键部件,是导致风机故障停机时间最多的部件之一。齿轮箱位于塔顶的机舱,当因齿轮箱导致风电机组故障停机时,维修需要借助大型设备,造成了高额的费用开销。因此,对齿轮箱的退化状态进行退化建模,从而对其进行剩余寿命预测,具有重要意义,能够最终为风电机组维修策略制定提供相关依据。由于齿轮箱故障机理复杂,难以利用数学模型对其物理失效过程进行精确建模,在齿轮箱运行过程中会产生大量的蕴含寿命信息的状态数据,因此,基于数据驱动的方法适用于齿轮箱的退化建模和剩余寿命预测。本文根据齿轮箱的退化状态,采用基于维纳过程的方法对齿轮箱进行了退化建模和剩余寿命的预测,主要的研究工作和内容如下:(1)由于齿轮箱退化状态在一定范围的波动反复,整体呈上升趋势,非线性变化,因此采用了基于非线性维纳过程的退化模型进行建模。同时考虑退化数据采集过程中的测量误差,建立了考虑测量误差的实时退化状态更新模型;利用最大似然估计的方法对模型中的未知参数进行估计;建立状态空间模型,利用卡尔曼滤波的方法,对其退化状态进行实时更新预测;根据首达时间的概念,得到剩余寿命概率密度函数,从而得出剩余寿命,最后利用齿轮疲劳实验数据对上述方法进行了验证,证明了其有效性。(2)考虑风速对齿轮箱退化状态的影响,将外部环境风速对齿轮箱退化的影响用幂律模型表示,建立齿轮箱的退化模型;采用最大似然估计和最小二乘法的两步法对模型中的未知参数进行估计;利用首达时间的概念,推导其剩余寿命概率密度函数的表达式并得到其剩余寿命;最后利用仿真模拟验证了方法的有效性。