风力发电技术是新能源发电技术研究的一个主要方面。研究风力发电机中各部件的可靠性已经成为风力发电技术中的一个重要的分支。双馈风力发电机组是目前主要的风力发电机组。双馈风力发电机轴承是双馈风力发电机组故障率较高的部件。基于数据的轴承寿命预测是近年来大数据领域中出现的一个新的研究方向,该方向已经成为国内外学者研究的热点。本文首先对双馈风力发电机轴承的工况进行划分,利用特征提取得到能够反映轴承寿命的特征量,然后,利用得到的特征量采用3种预测方法,预测双馈风力发电机轴承的寿命。仿真结果表明,利用提取到的轴承特征量能够通过恰当的预测方法达到预测轴承寿命的目的。轴承特征提取是通过对双馈风力发电机轴承的监测数据的分析,最终得到能够反映轴承寿命的特征量。通过K-means聚类实现利用监测到的轴承温度、发电机转速、发电机功率数据对轴承运行工况的划分,从而得到同工况条件下的振动信号。由于监测到的振动信号存在噪声,选用小波包去噪实现振动信号去噪。最后将得到同工况条件下的、去噪后的振动信号进行特征提取,得到能够反映轴承寿命信息的振动均方根值。基于Weibull分布的轴承寿命预测方法是利用Weibull分布分析轴承的振动均方根值的变化趋势。首先,将轴承的振动均方根值转化为Weibull分布的可靠度函数值;然后,利用最小二乘法实现Weibull分布的参数估计;最后,将得到的Weibull分布的参数,代入推导得到的Weibull分布的期望寿命计算公式,得到轴承的期望寿命。基于ARIMA(Auto Regressive Integrated Moving Average Model,自回归求和滑动平均模型)的轴承寿命预测方法是通过对均方根值的时间序列分析,得到振动均方根值的变化趋势。首先,对得到的等时间间隔的振动均方根值进行数据平稳化处理;其次,利用模型确定准则确定ARIMA模型的结构,用Matlab确定ARIMA模型的参数。最后,利用求解得到的ARIMA模型预测双馈风力发电机轴承的寿命。基于Kalman滤波的轴承寿命预测方法是通过对振动均方根值的状态空间描述,利用Kalman滤波对得到振动均方根值的变化趋势实现优化。首先,利用ARIMA模型建立振动均方根值的状态空间模型,然后利用Kalman滤波实现对ARIMA模型的观测值的优化,从而得到更加接近真实轴承寿命的预测范围。