风电作为可再生新能源得到快速发展，风力发电机组装机量随之迅猛增加。由于工作环境比较恶劣，导致风力发电机组较容易出现故障，而且其维修成本较高，因此亟需风力发电机组故障监测诊断技术确保风力发电机组安全可靠运行。　　本课题重点对大型风力发电机组故障诊断和趋势预测方法进行研究，并由此提出基于故障趋势预测方法和总体经验模态分解的大型风力发电机组早期故障诊断的方法，实现大型风力发电机组早期故障诊断。并设计构建大型风力发电机组故障诊断专家系统，实现大型风力发电机组常见故障的专家系统诊断。　　本课题主要研究工作如下:　　(1)研究灰色模型和BP神经网络预测方法及总体经验模态分解(EEMD)信号处理方法，并提出一种基于故障趋势预测方法和总体经验模态分解(EEMD)的大型风力发电机组早期故障诊断方法，即对大型风力发电机组运行状态实时的监测并进行故障趋势预测，通过趋势预测及时发现其在工作过程中存在的故障隐患，当发现其存在故障隐患时再利用总体经验模态分解方法对故障信号进行分析处理，提取出故障特征信息，进行故障诊断，最终实现大型风力发电机组早期故障诊断。　　(2)利用转子实验台模拟大型风力发电机组传动系统转轴出现早期微弱碰摩故障，对转子实验台从正常运行到发生早期微弱碰摩故障时的信号进行采集，然后使用提出的早期故障诊断方法进行分析验证，能够有效地发现转子实验台的早期微弱碰摩故障并提取出其故障特征。　　(3)研究故障诊断专家系统的基本结构、类型和基本问题，为设计构建大型风力发电机组故障诊断专家系统提供理论基础。并根据归纳总结的大型风力发电机组故障知识，利用产生式知识表示方法构建专家系统知识库，使用产生式规则精确推理及主观贝叶斯不精确推理方法相结合的推理方法，利用ASENET开发平台和SQL Server2008数据库，设计构建大型风力发电机组故障诊断专家系统，实现大型风力发电机组的部分常见故障智能诊断。