风能作为可再生绿色能源已普遍受到世界各国的高度关注,特别是我国已经成为全球装机容量最大的国家。伴随着多年来风电技术和装备的发展,市场竞争变得越来越激烈,减少运营成本,保持较高的设备健康运行时数是企业争相追逐的目标,因此,针对风力机关键部件的故障诊断技术研究逐渐成为了风电研究领域的热点问题之一,更是风力机健康运行的重要手段。然而微弱间歇故障的精确检测是进行风机故障预测维护的前提,也是风机故障诊断领域重点关注方向。充分考虑分数阶Duffing振子在周期信号检测中的独特优势,将其成功引入到变工况风力机关键部件间歇故障成长状态检测中,结合现代数字信号处理的理论和方法,提出了一套新的针对微弱间歇故障成长状态分数阶Duffing振子检测方法。首先,通过对风力机在不同工况下的关键部件故障机理研究,经过理论推理和实验验证,完成了对不同工况下关键部件故障信号前期微弱性和间歇性分析,结合混沌系统及现代信息处理技术,提出针对周期和非周期振动间歇故障频率分别采用故障调制机理分析及改进Morlet小波变换的方法进行检测。在充分研究传统混沌系统相态判别方法的基础上,结合相图特点提出一种基于稳态相轨迹映射的相态判别方法——庞加莱截面密度峰值算法(Poincare Section Density Peak Algorithm,PSDPA),该方法采用庞加莱截面映射数据的离群值来判断,更加准确,减少了人为误判,提高了系统相态识别的可信度,为微弱间歇故障幅值检测提供理论支持。然后,进一步研究了Duffing振子及风力机关键部件微弱间歇故障的特征,提出一种基于0.95阶Duffing振子输出相态判别的周期性故障存在性辨别方法及0.5阶Duffing振子自动检测微弱间歇故障幅值的方法。通过对比发现采用PSDPA算法进行检测相图获取的临界大尺度周期状态内置策动力信号幅值的精度要远远高于传统人为判别方法得到的结果,再次验证了算法的准确性与可操作性。同时,针对系统间歇故障的发展与永久性故障之间关系不清晰的情况,提出了一种新的故障成长量化表达形式,即通过间歇故障成熟度函数(Intermittent Fault Development Function,IFDF)把微弱间歇故障与永久性故障有机联系在一起,揭示出它们之间的内在联系,解决了永久性故障的溯源问题,也表征了对微弱间歇故障的成长状态监控,大大提升了故障预警精确度,为实现精准预测性维护提供了支持。最后,通过基于分数阶Duffing振子检测变工况风力机关键部件微弱间歇故障成长状态的案例分析,得到的结果正确,检测效果良好,该方法可操作性强,准确度高,为现场风电厂设备预测性维护提供有力支撑。