面对全球工业化蓬勃发展带来的化石能源危机与环境污染问题,风能在全球能源结构改革中得到了迅猛发展,但风电机组长期运行于交变工况和恶劣环境中故障频发,如今第一代风机已过质保期,风电运维市场的规模也在迅速扩大。叶轮系统作为故障高发区,出现早期故障如不及时排除会引发更加严重的继发性故障,但由于叶轮本身位于高空,难以对其进行详细的故障排查,同时,传统的故障信号采集方法又存在成本高、精度低、安装改造困难等局限性,所以,迫切需要提出一种便捷、可靠、非侵入式的方法来分析故障。从而提高风机早期故障监测能力,有效延长风机寿命,降低发电成本。所以,本文针对风电机组叶轮系统故障的电信号分析开展了一系列研究。首先,对风机各系统工作原理及特性进行分析,在此基础上结合GH Bladed与MATLAB\Simulink仿真平台各自优势建立了 2MW双馈风力发电机组联合系统仿真模型,着重建立了叶轮系统优化模型,考虑了故障情况下异常振动与叶片气动特性变化和叶轮所受气动力之间的复杂关系,并在风速建模中考虑了多方向湍流扰动因子以及塔影效应和风剪切效应,提高了模型的仿真效果。然后,针对叶轮系统常见各故障进行机理分析,并推导了叶轮系统故障与发电乜机定、转子电流以及功率等电信号之间的关系,证明电信号特征可以作为叶轮系统故障辨识的依据,在此基础上通过搭建的风机模型进行故障模拟及故障电气特性分析。在故障模拟中,提出一种计及叶片刚度因素的切片法故障模拟方法,提高了叶轮系统各故障的辨识度。最后,针对叶轮故障信号的非线性、非平稳性及耦合性使故障特征频率处于强背景噪声下难以提取的问题,提出了一种基于希尔伯特变换和变分模态分解相关性分析的风机叶轮系统故障的电信号特征提取方法(CA-VMD),通过分解、选取、重构原始信号提取出了电信号中的故障特征频率,提高了原始信号的信噪比。在此过程中,为了提高重构信号质量,提出了一种基于瞬时频率导数变化的自适应VMD分解最优K参数选取方法(AII-K)。通过理论分析和实验验证,对风电机组叶轮系统各故障进行基于电信号的故障特性分析,规范和完善了叶轮系统故障体系。着重解决了风电机组故障研究中单一平台建模模型精度不高造成的故障类别辨识度不高、叶轮故障模拟有效性差、风电机组的早期故障信号微弱难提取以及电信号分析风机叶轮系统故障特性等关键问题。