随着化石燃料和环境问题的日益严重,寻找替代清洁能源已成为一个紧迫的问题。风能作为一种清洁能源,在能源的比例上,正逐渐达到不可替代的地位。然而,由于风力发电机时常发生故障,维护保养费用逐年升高。而风机的齿轮故障在这些故障损失中占了很大比例,因此,有必要及时地识别齿轮箱的齿轮故障。同时,由于强阵风等因素影响,风力发电机常常在非稳态工况运行。因此从齿轮箱采集到的振动信号具有非平稳性,如何提取这些非稳态条件下的故障特征是首要解决的难题。针对国内外风机齿轮箱齿轮故障非平稳性以及传统的自适应滤波的时间消耗大等特点,明确了本文的研究范围。以风力发电机的齿轮箱齿轮为研究对象,在传统的稳态状况下的故障特征提取为基础,对稳态以及非稳态风机齿轮箱的齿轮故障特征提取进行了探讨。以风机齿轮箱复杂工况下的故障特征提取为研究重点,在稳态下齿轮故障模型的基础上对非稳态下的风机齿轮箱齿轮故障模型进行研究。根据威布尔(Weibull)分布,建立风力发电机齿轮箱变风速下的故障仿真信号。分析总结了传统基于Morlet小波的自适应特征提取方法,并且在此基础上针对稳态下自适应滤波算法特点,对脉冲小波进行改进,使其更适合故障信号的特征提取。对脉冲小波参数优化的效率的影响因素进行分析,从两个方面对基于脉冲小波的自适应滤波算法提出改进。该算法结合了相关系数最大,以及小波熵最小准则用于优化脉冲小波的参数,把原来同时优化的方法改成分步优化,从而提高计算效率;并对时移步数进行减小,从而降低了计算量。仿真信号表明该算法无论是在特征提取的效果上,还是计算时间上,跟原来传统的方法相比,都具有一定的优势。针对风机齿轮箱的齿轮故障特点,提出自适应窗口分割的算法。用基于相关系数法把非稳态的信号分割成连续的片段,再对单个片段分别运用改进脉冲小波滤波算法进行特征提取,最后把提取后的信号重构起来,并用仿真信号验证该方法的有效性。搭建实验平台用于验证算法的有效性,用STM32单片机控制伺服电机模拟风力发电机齿轮箱的输入轴,同时在齿轮箱的端盖采集振动信号。分别在恒速度下,增速下,变风速下验证本文提出算法的有效性。