目前，随着科技文明的进步发展，人类对新能源技术的需求也日益强烈，风力发电技术作为新能源技术中的新兴代表和中坚力量，越来越受到重视。如何保证风力发电机组正常运行，成为风力发电领域的核心问题。齿轮箱作为风力发电机组中关键的机械传动装置，对于整个风电机组的良好运行起着极为重要的作用。同时，风电机组的齿轮箱又由于其工作环境及自身的机械特性的特殊性。所以，针对风电机组齿轮箱的监测及故障诊断技术的研究是十分有意义及必要的。本文以风力发电机组齿轮箱为研究对象，首先针对齿轮箱的结构和故障特点进行了探讨，对齿轮箱的振动信号处理技术进行了研究，包括对振动信号的时频分析技术、小波分析和小波包分析技术，并应用小波包能量提取法提取振动信号特征向量。以此提取的故障特征为基础，对人工神经网络和粒子群智能优化算法展开了较深入研究。同时，将粒子群优化算法应用到人工神经网络算法中，将人工神经网络算法中的权值和阀值组成向量，作为粒子群优化算法中粒子的特征向量，达到应用粒子群算法优化人工神经网络的目的。并将基于粒子群优化的神经网络算法应用于风电机组齿轮箱的故障诊断，经过训练学习，通过测试样本的测试验证，故障诊断取得较好的效果。最后，以该故障诊断技术作为基础，建立了针对风电机组齿轮箱的监测系统，提出了一种可行的设计方案。本文对风电机组齿轮箱的监测与故障诊断技术的研究、对实际工作具有一定的意义。