随着世界各国越来越重视可再生能源的开发和利用,风能这种清洁能源的利用得到了迅速发展。而风力发电机组是将风能转换成电能的关键设备,其运行状态的好坏直接影响到风力发电效率。大型双馈风电机组传动系统轴承与齿轮等关键零部件,由于长期运行在变速变载荷的复杂工况下,同时要承受由于地形高低起伏、风速风向多变、机组尾流效应、湍流以及极端气温变化等环境因素影响,容易受到损害和出现故障,会导致传动系统无法运转。研究实用、可靠的传动系统关键零部件故障诊断和故障预测技术,实现主动的故障预测,是预防故障、保持传动系统轴承与齿轮等关键零部件完好性的技术基础,其研究意义重大。论文针对大型双馈风电机组传动系统关键零部件存在故障诊断方法和故障预测方法两方面存在的不足,分析了传动系统中轴承与齿轮的主要故障机理与故障演化规律,对其故障演化规律进行建模分析;在此基础上深入研究了基于D-S算法的多源信息融合的故障诊断方法和基于遗传算法的改进型HMM故障失效预测方法。研究成果对于风电机组传动系统轴承与齿轮等零部件故障预测能力的提高具有重要的推动作用。论文主要完成了以下研究内容,包括:1、风电机组传动系统故障机理分析与建模研究系统地分析了风电机组传动系统轴承与齿轮等关键零部件的主要故障模式、失效机理及其故障全周期的演化规律,利用故障演化过程中退化状态与HMM都是通过观测值来感知其状态的共同特点及HMM能合理地描述故障演化过程退化状态驻留时间这一特性,研究传动系统轴承齿轮故障演化规律的HMM模型,为退化状态识别与故障失效预测方法研究提供理论基础。2、基于D-S算法的多源信息融合的风电机组传动系统故障诊断方法研究研究基于D-S算法的多源信息融合的故障诊断方法。该方法基于D-S算法和多源信息融合技术,将风电机组传动系统轴承齿轮冲击、振动、温度等变量以及运行工况信息进行融合,形成传动系统故障诊断的综合决策,从而提高故障诊断的准确性。3、基于遗传算法的改进型HMM的风电机组传动系统故障预测方法研究克服了经典HMM方法中采用的Baum-Welch算法进行参数迭代优化时,算法过于复杂,结果易收敛于局部最优的缺点,提出一种基于遗传算法的改进型HMM故障预测方法,并研究传动系统轴承齿轮各退化状态驻留时间的计算方法,实现对其失效概率和剩余使用寿命的预测。4、试验研究以滚动轴承为试验研究对象,在北京唐智科技发展有限公司轴承故障检测机上进行滚动轴承故障诊断和失效预测的试验研究,并用试验数据以及现场获取的风电机组冲击、振动和温度数据,验证本文所提方法的可行性与有效性。