近年来,风电产业因其成本和技术上的优势发展迅速,但随着风机向高速化、重载化方向发展,叶片故障诊断随之呈现出检修维护的高成本性、长耗时性和低准确率等特点。由叶片裂纹引发断裂而造成重大事故的事件时有发生,严重影响机组发电效率与电能质量。因此开展风机叶片裂纹故障诊断研究具有重要理论意义和工程价值。首先,介绍了风力发电机机组叶片的内部结构与动力学原理,根据拉格朗日定理建立叶片动态振动方程组;模拟风场实际环境,采用三维设计软件Solid Works分别搭建风机整机模型与单一叶片仿真模型并设置分级故障;采集5个区域5种裂纹损伤程度的叶片振动信号数据共计300组,搭建了基于MATLAB的叶片裂纹实测数据模型。然后,针对叶片裂纹振动信号高噪声的特点,采用Morlet小波阈值消噪的方法,实现叶片裂纹振动噪声信号初步消除。利用经验模式分解算法提取固有模式函数,构造故障特征向量能量熵(HeIMF_i);提出了一种基于应用统计的M值法,计算能量熵M值,筛选更优特征HeIMF_i(i<6)。最后,为解决风机叶片裂纹故障诊断率偏低的问题,提出一种基于和声搜索优化和支持向量机分类的诊断方法,采用改进的和声搜索算法离线寻优支持向量回归机的参数组合,训练并优化模型。并将实测数据与粒子群算法、遗传算法优化的支持向量回归机模型对比,验证算法的有效性。本文提出的基于改进的经验模式分解算法实现了风机叶片裂纹损伤程度与裂纹位置的诊断,提高了叶片裂纹故障诊断率,准确率达94.67%以上。