目前,我国化石能源消耗过快,污染严重,各地雾霾频发,燃烧化石能源带来的环境问题不容忽视。开发可再生能源有利于缓解化石能源短缺问题。近年来,风力发电迅速发展,1.5MW双馈风力发电机组已成为目前主流机型,广泛应用于各大风场,取得了良好的经济效益。在大力开发大型机组减少单位发电量成本的同时,机组的安全稳定运行也得到了高度的重视。据统计,在风场各类故障中,由传动部件失效引发的故障率最高,因此,对传动部件的故障进行研究具有重要的工程价值。本文以风力发电机组传动系统为研究对象,介绍各传动部件的故障类型及故障发生时在时、频域波形上的表现,并详细介绍了一些故障诊断方法,如对齿轮箱进行边频带分析、轴承需要找出故障频率等,为提高风力发电机组的利用率提供了重要理论支撑和技术保证。本文的主要研究内容如下：首先,分析研究了风电机组叶片、主轴、齿轮箱、主轴承的故障类型和故障发生时的时、频域波形特征。其次,针对使用较多的基于振动信号分析的状态监测及故障诊断方法,总结了几种针对振动信号的分析方法,并分别用仿真信号对上述方法进行了验证,以期直观的加深对振动分析方法的理解。故障诊断方法主要包含时域、频域、时频域的三类方法,具体包括一些时域统计分析法、频谱法(幅值谱、功率谱、倒频谱)、时频分析方法(经验模态分析、总体经验模态分析等)。最后,对振动信号进行EEMD分解,将其分解为多个IMF分量,选取若干个包含主要故障信息的IMF分量做进一步分析；计算各IMF分量的能量值,并做归一化处理,将得到的特征向量输入BP神经网络,最终实现智能故障诊断,有效判断轴承故障类型。