风力发电机组作为一种重要的能源设备,在世界范围内有着广泛地应用。但其高昂的设备维护成本严重影响风力发电企业的收益。能够精准的对风力发电机进行故障诊断能够有效地降低设备维护成本。数字孪生作为一种制造业较为新兴的方法,为风力发电机故障诊断技术提供了新的解决思路。结合风力发电机结构及运行特点,研究其故障机理,设计基于数字孪生的风力发电机故障诊断预测方法,构建基于数字孪生的风力发电机故障诊断的原型系统,特别具有理论意义和现实意义。本文构建了数字孪生结合概率神经网络（PNN）模型,考虑了故障诊断中风力发电机故障信号的非线性和低信噪比的特点,采用多重分形技术对故障信号进行增强处理,减少信号噪音,主要研究工作如下:从风力发电机状态检测和故障诊断入手,构建数字孪生风力发电机虚拟实体,包括风力发电机三维模型搭建与风力发电机机理模型搭建两部分,二者结合使得虚拟实体能够忠实反馈物理实体的运行。通过API连接获得风力发电机正常运行和发生故障时的数据,进行数据孪生库存储。采用多重分形技术对风力发电机的振动信号进行了强化处理,以达到增强信号的采样数据和降低噪声的目的。将数字孪生技术与概率神经网络（PNN）进行了融合,设计了基于数字孪生的风力发电机故障诊断方法,解决了不能对整个机组进行全生命周期的分析,通过真实风力发电机数据验证了方法的可行性。设计完成了基于数字孪生风力发电机故障诊断系统的原型系统。对系统关键功能进行了详细分析,完成基于数字孪生的风力发电机故障诊断原型系统验证了系统的可实施性。