风能作为一种清洁、绿色的能源在注重低碳和环保的当今社会得到越来越多的发展和重视，风力发电的经济效益是风力发电企业主要考虑的指标和因素，在风电场的运行和维护过程中，风机日常维护和故障维修费用占发电企业支出的比例越来越高。风电机组是由多种机械和电气设备构成的复杂整体，一旦某个部位发生故障将直接影响整机的运行，目前国内风电场主要采用定期维护和事后检修的方法，由于维护部件的不确定性往往造成人力和物力的较大浪费，而状态监测和故障诊断系统在新型风机上有所应用，但对于生产时间较早且已进入故障高发期的风电机组来说无法通用。本文设计了一套集数据采集、无线传输和诊断预测为一体的系统，对风力机易发故障部位进行状态监测和故障诊断，提供实时可视的工作状态数据，对已经发生的故障能迅速定位故障部位，并能预测未来一段时间内部件工作状态的趋势。系统通过压电式加速度传感器和霍尔电流传感器，采集发电机和齿轮箱在工作状态时的振动信号和电流信号，通过电荷放大器与采集卡进入工控机，在工控机上进行数据库的读取和存储，利用多天线技术、提高发射和接收增益等方法建立覆盖范围较大的Wi-Fi网络，实现风力机与主控端之间的无线通信，采集到的数据传输至主控终端后进行分析和诊断，利用小波包分析和傅里叶变换相结合对信号处理，提取信号中隐藏的故障特征向量，最后通过BP神经网络对获取的特征向量进行分析，获取部件的故障部位和故障程度，同时利用神经网络对部件未来的工作状态进行预测，为风电场运行维护人员提供指导性的维修意见，提高维修维护的针对性和实效性。本套系统在汕尾市红海湾风电场进行现场安装和试验，结果表明该系统能有效的对风电机组当前的工作状态进行监测，能准确诊断出发电机和齿轮箱的常见故障。