齿轮箱是双馈风力发电机组运行和维护的关键设备,不仅具有较高的故障率,而且一旦发生故障,耽搁较长的维修时间,造成巨大的经济损失。本文对风电机组齿轮箱故障趋势预测方法进行研究,旨在于判断齿轮箱的未来运行状态,预测发展趋势,估算剩余寿命,为风电机组的运行与维护提供重要的参考与依据。首先,本文对风电机组齿轮箱的常见结构进行简要概述,基于齿轮箱最为普遍的四种故障模式(疲劳模式、磨损模式、过载模式和腐蚀模式),对齿轮箱的典型故障类型进行描述,并依据齿轮振动机理,对典型齿轮故障进行仿真。其次,基于预测理论的介绍和前提假设,本文提出风电机组齿轮箱故障趋势预测流程,将其分为基于数据和模型的两种趋势预测方法,对预测流程的诸多步骤进行简要说明。再次,本文以一组故障特征值作为预测对象,分别应用时间序列分析方法、BP神经网络预测模型和灰色预测模型,对故障特征值进行中长期趋势预测,通过设定故障阈值来估算剩余寿命。同时,对不同预测方法进行模型分析与改进,并以一组实际故障信号为例,实现不同预测方法的比较。最后,以疲劳模型为例,本文对基于模型的故障趋势预测方法进行研究。根据Miner线性累积损伤理论,应用载荷谱分析方法对各齿轮的累积损伤程度进行计算,并以过去一段时间齿轮逐日累积损伤总程度作为基础数据,对未来一段时间内的逐日累积损伤进行预测,对剩余寿命进行估算,使基于数据的预测方法与故障模型有效结合,验证了该方法的可行性和有效性。