风电机组的状态监测与评估可有效提升风电机组运行的稳定与可靠性，本项目在风电机组的故障机理、监测方法、状态评估系统等方面开展了研究。项目建立了适用于风电机组状态评估和故障诊断的全景信息模型，研究了叶片缺陷的发展过程与状态监测方法，提出了基于气动噪声信号监测的叶片缺陷状态监测方法与基于激光超声波成像的风电机组叶片诊断方法；研究了风力发电机齿轮箱结构机理及故障类型特性，建立了齿轮箱典型故障信号特征库，提出了基于人工蜂群算法的选择性神经网络集成算法和基于改进随机森林的智能齿轮诊断模型的风机齿轮箱故障诊断方法；分析了电网故障对风电机组关键设备健康状态影响，搭建了双馈风电机组的仿真模型，开展了电网故障过程中风机暂态运行特性的仿真分析；提出了风电机组健康状态评估与状态预测方法，并研制了风机状态监测与故障诊断装置，结合现场测试数据验证了方法的有效性。本项目的研究成果解决了风电机组的状态监测与评估中的关键科学问题，为推动风电机组从定期维修和事后维修到状态检修的转变提供了理论基础，对风电机组的安全稳定运行具有重大意义。