风力机齿轮箱是风力机传动系统重要部件之一，一旦出现故障，将会造成发电停止、严重的更会造成重大的损失。风力机工作时引起振动的因素很多例如振动传输路径、强背景噪声、激励和响应的相互耦合、测试噪声和人为干扰等诸多因素的影响，导致传感器所获得信噪比较低、特征微弱的振动信号。目前常规的微弱信号提取技术，大多在进行微弱信号特征提取之前都会对噪声进行处理。这样的方法虽然能够提取一些信息，但当风力机齿轮箱发生故障时，故障特征信号所引起的变化淹没在常规振动与噪声之中，使得特征信号的提取非常困难。特别是当噪声与微弱信号处于同一频率段，这样的方法将会损坏信号，最后导致不能准确的提取信号特征。 　　随机共振用于信号处理与常规方法有不同之处，它的不同在于：混合信号通过非线性系统后，系统可以重新对噪声进行分布从而将部分噪声的能量可以转化为信号的能量，使信噪比大大提高，从而使微弱特征信号突显出来。为了获得最佳的随机共振效果，系统结构参数优化以及信号自身特点是目前研究的关键。在本文中采用了遗传算法对系统结构参数做并行优化，这样避免了常规随机共振方法中的单参数优化的不足。通过实验室自制试验台对齿轮箱中的齿轮、轴承采集得到所需要的实验数据，然后进行最佳检测策略的验证。最终实验结果证实该方法用于风力机齿轮箱的故障信号检测的可行性。