调研和分析风力发电机组运行特性和故障模式的基础上，结合故障模式与影响分析理论，总结了风电机组运行特性、载荷变化和故障诊断机理，引入小波包BP神经网络及D-S证据理论分析了多工况下机组非平稳振动信号时频特性和故障模式识别，并根据算法决策融合增强故障诊断结论置信。通过集成化处理与特征提取、时域与非线性频域分析、故障诊断模型构建等功能模块，开发了风电机组状态监测与故障诊断系统，并在中国水电顾问集团投资有限公司下属张北坝头风电场、泸西李子箐风电场等多个大型风场投入使用，提高了运营单位及时发现和维修风机设备故障的能力，同时在一定程度上更为有效地整合了风电场生产资源，具有广泛的推广应用价值，社会经济效益显著。