随着风力发电的快速发展，高精密行星减速机风力发电机组的数量不断增加，其结构也更加复杂。风电场环境恶劣，风力机处于高海拔，运行维护难度大，工况维护效果往往达不到。结果导致关键故障严重，故障率增加，运维成本增加，导致风电场经济效益下降。减少竞争力。使用寿命至少20年的外国风力涡轮机的运营和维护成本约占风电场收入的10%至15%，而海上风力涡轮机的运营和维护成本则高达20%至25%;而国内风力发电设备通常在运行5年内出现重大故障。其中，风力发电齿轮箱的故障率严重，陆上和海上风力发电齿轮箱故障率分别约占整机的14%和19%。从风电齿轮箱运行维护成本来看，齿轮箱故障是机组停机的关键因素。在欧洲，变速箱问题占总运维成本的三分之一，占总运维成本的12% - 30%;而国内成本高达40%。巨大的运行和维护成本降低了风力发电的经济效益。由此可见，发展风力发电齿轮箱监测诊断技术对提高齿轮箱的无故障运行时间和发电效率具有重要意义。

在快速发展的风电行业中，设备监控难点得到了国内外相关人员的高度重视。针对其关键设备变速箱的运行和维护，出现了各种监测技术和诊断方法。然而，除了机械设备故障诊断的基本问题外，齿轮箱的运行和维护也存在着自身特点的问题。

风力发电齿轮箱的运行部分决定了风力发电系统的性能。因此，通过监测风电齿轮箱的运行情况，对当前振动加速度、振动速度、振动位移、噪声、齿轮箱转速、功率、轴承油温和压力进行监测。

齿轮箱系统是一个包含固、液、气三种状态的多相混合系统，这三种状态相互作用，共同作用于生命周期的多个阶段，产生多种多态、多维数据。状态监测和诊断方法,国内外学者、用户和第三方监测公司缺乏相互支持和统一的标准,并且需要由三方协调促进的集成和集成多种监测技术和故障分析理论来实现智能诊断和活跃的操作和维护。

(1)选择或开发合适的多态信息传感器，构建相应的监测系统，加强和改进现有的在线监测技术和方法，通过网络技术、信息技术和无线技术，实现无线远程可视监测。

(2)监测理论与技术研究。选择或开发适当的和简单的分析理论和技术,充分挖掘多维定性和定量信息,如变速箱机制特征,磨损特征,物理和化学特性和动态特性,确定合适的因素和校正系数,并建立齿轮箱组件的温度模型,磨损模型和油模型。

(3)诊断技术集成研究。齿轮箱作为风力机的关键部件，是在对相动力学现象、机理和数据进行深入研究的基础上，通过定量和定性的信息和结果，结合温度监测、油液分析和振动分析等技术手段的优势。深度整合。

(4)统一监测方法，建立用户、供应商和第三方机构联合知识库、数据库和监测方法库。关于齿轮箱的动态多维监控数据在不同的阶段,统一数据处理,定性,定量分析和诊断方法,这三个政党,集成了大量的用户数据和监控公司之间的操作和维护指南,并建立相互支持的统一标准。

(5)智能主动诊断的软硬件开发。垂直应用大数据,通过人工智能技术,结合历史数据,横向比较类似的变速箱,开发相应的软件和硬件,提高监测系统,执行云诊断,并开发机器人为移动领域诊断,以便设备先进的语音或文字的形式报警,从而实现活跃的操作和维护。