轴承作为风力发电机组中重要的组成部分,直接决定着风电系统能否正常运转,且轴承的工作状态对设备安全至关重要。由于风电设备的安装环境恶劣,从而导致风力发电机组的主轴承极易发生故障,为了避免因重大事故发生所造成的生命财产损失,深入开展对轴承工况的监测诊断意义深远。本文以风电机组的主轴承为研究对象,对采集到的信号进行信号分析处理。首先,本文介绍滚动轴承的结构以及一般的失效形式,并推导出几种常见故障特征频率的计算方法。介绍经验模态分解法(Empirical Mode Decomposition,EMD)、奇异值分解(Singular Value Decomposition,SVD)和变分模态分解法(Variational Mode Decomposition,VMD)的一些基本原理,并以构建的数字信号为例,来介绍本文对K取值的方法。其次,通过命令流的方式编写滚动轴承正常状态和外圈故障状态下的ANSYS/LS-DYNA仿真模型,并经后处理软件对仿真模型进行显示动力学分析得到Y向振动加速度信号,利用VMD方法对正常和故障状态下仿真轴承的振动信号进行分析。最后,搭建滚动轴承模拟实验台装置,分别采集不同供电频率下轴承正常和外圈故障时的振动信号,并分别利用EMD方法、VMD方法和通过奇异值分解及峭度进行优化的VMD方法对外圈故障的振动信号进行处理,经希尔伯特包络解调得到包络谱,将正常滚动轴承的包络谱作对照进行对比分析。有限元仿真分析结果表明正常和外圈故障下滚动轴承的仿真模型所得到的振动信号时域图,与滚动轴承实际运动状况下相一致,利用VMD方法处理过的频谱,能够反映出轴承的故障特征信息,而且与实验装置分析的结果相同,验证了显示动力学在轴承仿真中的可行性。通过实验结果对比分析表明,在不同供电频率下,优化的VMD方法总能准确的提取出微弱的故障特征信息,且大大的提高了信噪比,处理结果优于EMD和VMD方法,验证了优化VMD是一种行之有效的信号处理方法,能够将其应用在滚动轴承的故障诊断中去。