风机齿轮箱传感器健康状态综合评价方法在风场运维、安全效益、检修安排等方面具有重要的意义。本文依托华北某风场的SCADA数据,从故障诊断、故障数据重构、健康度量化三个方面,定性和定量的对风机齿轮箱传感器健康状态展开研究。针对传感器故障诊断的问题,首先,分析了风机齿轮箱传感器不同故障类型的特点。然后,根据故障特点改进了排列熵,提出了经验多尺度方差排列熵的故障特征提取方法,解决了排列熵只能提取局部结构信息,无法提取幅值信息、全局结构信息和多尺度信息的缺点。最后,结合经验多尺度方差排列熵能够全面提取故障特征的优点与随机森林在故障特征分类上的优点,提出基于经验多尺度方差排列熵与随机森林组合的风机齿轮箱传感器故障诊断算法。针对传感器故障数据重构的问题,首先,根据故障诊断完成的时刻一定滞后于故障实际发生的时刻,提出了历史故障数据重构与实时故障数据重构的需求。然后,分析了重构数据与故障类型之间的关系,提出了利用故障类型已知这个关键信息,对不同特点的故障数据进行分类重构的算法流程。最后,根据传感器故障数据具有时间相关性高的特点,提出了通过改进LSTM细胞核的方法,提高故障数据重构的精度。针对传感器健康度量化的问题,首先,确定了先计算劣化等级隶属度向量,再通过劣化等级隶属度向量计算健康度的总体流程。其次,根据劣化等级随着时间一定不可逆的下降的特点,修改了无限隐马尔可夫模型隐状态的拓扑结构。再次,分析了无限隐马尔可夫模型因超参数搜索的值域较大而训练速度较慢的缺点,提出了利用贝叶斯优化来缩小超参数的目标搜索范围,提高训练速度。最后,分析了空间度量法在劣化等级隶属度向量转为健康度时易出现混淆的原因,提出了新的计算方法,该方法考虑了劣化等级隶属度向量中各隶属度的实际意义,克服了健康度计算时易出现混淆的缺点。针对高资源利用率、高可靠性、高可扩展性这三个系统设计的基本要求,首先,提出了云计算的解决方案,设计了基于Hadoop和Spark的系统架构。然后,通过实验表明该系统架构能够方便的通过增加节点,提高计算效率。最后,展示了系统的功能应用。