齿轮箱在风力发电机中扮演着实现传动，变速，调速等功能的重要角色，特别随着风电技术的发展，为了更好地实现风能到机械能，再到电能的转换，齿轮箱也朝着复杂化，精密化的方向发展，导致故障点产生的振动信号复杂，故障诊断难度增加。传统的故障判断方法一般先通过特征提取，例如通过时频分析的方法，分析振动信号的时频特征，通过傅里叶变换，小波变换等方法进行特征提取，后续再通过专家系统，支持向量机等模型进行故障的分类与诊断，传统的方法的理论支持性较强，但在处理非线性，非平稳的振动信号过程中，往往不能深度挖掘到深层信息，从而出现故障的误判，产生了不必要的经济损失。