作为一种产量高、可再生及绿色无污染的能源,风能很快获得了世界各国的广泛关注。然而,随着风电机组装机容量的不断提高,其故障事故也随之增加,这严重影响了正常的发电工作。因此,为了保证机组的正常稳定运行,对其进行故障诊断工作刻不容缓。作为风电机组中重要传动部件,齿轮箱的故障发生率特别高,一旦发生故障,其维修工作的开展将会十分困难。为此,本文对风电机组齿轮箱的故障诊断工作展开深入研究。主要完成的工作有以下几点:(1)对风力发电机组齿轮箱的常见故障进行研究,了解其故障产生原因,并分析其在不同运行状态下的振动信号。(2)提出一种改进阈值小波降噪方法,将其用于振动信号的降噪中;提取不同状态信号在时域、频域及节点能量下的特征值并构造样本数据集。(3)提出改进的蛙跳萤火虫算法(ISFLAFA),将其应用在极限学习机(ELM)的参数选择上。在建立ISFLAFA-ELM模型后,将其用于轴承的故障诊断中;提出改进的模拟退火粒子群算法(ISAPSO),将其应用在支持向量机(SVM)的参数选择上。在建立ISAPSO-SVM模型后,将其用于齿轮的故障诊断中。通过实际风电机组运行数据验证了两种方法在工程应用中的有效性。(4)设计一款风电机组齿轮箱故障诊断软件系统,采用Labview与Matlab相结合的方法,实现了信号处理、特征值提取、风力发电机组齿轮箱整机故障诊断等功能。使诊断工作更为直观、简便。