针对传统故障诊断算法依据人工经验判断、对数据挖掘不深等问题,提出使用模糊评判T1FL法将齿轮箱系统的综合评价划分为4个健康状态。为了科学地赋权各级状态指标所占的健康权重,构建以最小二乘法耦合改进的层次分析法(AHP)和改进的熵权法NBN-EWM的数字化权重计算模型。结果表明所提方法以多源数据为输入,通过最大隶属度原则综合评估齿轮箱的健康状态,诊断出齿轮箱部件高速轴处存在0.9201的置信空间为齿轮断齿状态,对4种健康状态的评估准确率分别保持在99%、99.2%、98.2%与99.6%。所提方法能够应用于齿轮箱的早期故障诊断,量化评判齿轮箱部件的健康状态,精确定位齿轮箱的损伤部位,为机组运维策略提供安全性保障,并为风场的能源数字化、设备智能健康与运维提供新方案。