由于风力发电机组故障发生频繁,液压变桨距系统作为风力发电机组的重要组成部分,对确保风电机组的有效风能利用率、稳定性和可靠性起着非常重要的作用,因此对风电机组液压变桨系统进行故障诊断具有十分重要的意义。本文综述了对风电机组和液压系统进行故障诊断的研究背景和各类故障诊断方法的基本思想及特点,针对传统的故障诊断方法的局限性系统地阐述了功率键合图理论和模糊神经Petri网理论。首先,本文针对风电机组液压变桨系统,提出了基于键合图模型的新型故障树故障诊断方法,该方法在基于键合图模型的基础上得到系统时间因果图,再通过建立系统故障树来进行故障诊断的方法,然后将故障推理与Matlab中搭建的Simulink仿真模块的结果进行对比,从而验证此诊断方法的正确性。其次,针对风电机组液压变桨系统故障信息的不确定性和模糊性,提出了基于模糊Petri网模型的模糊推理故障诊断方法。通过分析故障库所的可达集合、立即可达集合和相邻库所集合,根据模糊隶属度进行反向并行推理,搜索确定故障的路径和可信度；并在LabVIEW虚拟仪器软件平台上设计出了风电机组液压变桨系统的故障诊断系统。仿真实例表明,模糊Petri网故障诊断系统可以清楚的表达液压变桨系统变迁转移的过程,直观性好,准确定位故障的原因和位置,方便快捷的计算出各故障库所的可靠性。最后,为了使模糊Petri网具有自学习和自适应能力引入了人工神经网络的概念,提出了一种基于模糊神经Petri网的自适应故障诊断方法。该方法结合了模糊Petri网和神经网络自学习能力的优势,对故障进行诊断和推理,不仅能够清楚的表示故障之间的关联以及故障动态传播特性,而且具有神经网络的自学习能力,不断的学习新的专家经验知识,打破了模糊Petri网中权值需要预先设定的缺陷,具有一定的灵活性和智能性等特点。