1.一种基于风电故障知识库的声纹监测诊断方法，其特征在于：包括诊断方法如下：在风电发电机的塔筒底部以及机舱内均安装声纹采集终端，安装于机舱内的声纹检测终端为传动链设备声纹检测，安装于塔筒底部的声纹检测终端为叶片损伤检测，通过各个声纹检测模块电性连接的麦克风对设备运行时的声音进行采集，通过声纹过滤模块的噪声抑制算法、声源增强算法以及盲源分离算法对采集的声音进行过滤，减少噪音，在通过信号采集模块传输至汇控柜，再由汇控柜将采集的各个电机的声纹特征存储至声纹特征库内。
2.根据权利要求1所述的一种基于风电故障知识库的声纹监测诊断方法，其特征在于，采用深度学习算法，如卷积神经网络（CNN）、长短时记忆网络（LSTM）等，对声纹特征进行建模和训练，构建风机故障诊断和预测模型。
3.根据权利要求2所述的一种基于风电故障知识库的声纹监测诊断方法，其特征在于，将建立好的声纹识别模型部署在云端服务器上，通过API接口提供故障诊断和预测服务，在使用时，对机组运行过程中的表征参数数据进行采集、传输和存储，实时将采集的声纹与声纹特征库内的声纹进行对比。
4.根据权利要求3所述的一种基于风电故障知识库的声纹监测诊断方法，其特征在于，通过构建的算法模型在基于对各项数据进行分析和状态评估，从而对机组运行的健康状态进行检测和预警。
5.根据权利要求4所述的一种基于风电故障知识库的声纹监测诊断方法，其特征在于，当发生故障时，给出基于各项数据的根源性分析和诊断的故障判断和运行调整建议。
6.根据权利要求5所述的一种基于风电故障知识库的声纹监测诊断方法，其特征在于，并将预警数据以及通过算法构建模型预测的故障类型以及处理建议传输至云端，方便工作人员进行查阅、参考，同时将预警记录通过存储模块进行存储。
7.根据权利要求1所述的一种基于风电故障知识库的声纹监测诊断方法，其特征在于，安装于塔筒底部的声纹检测终端为叶片损伤检测，其声纹检测模块设有四台，均布于塔筒的塔底四周，确保声纹采集阵列处于叶轮迎风侧正下方，垂直于叶片旋转平面，采用立柱或筒壁支架方式固定安装。
8.根据权利要求7所述的一种基于风电故障知识库的声纹检测诊断方法，其特征在于，声纹检测模块距离地面水平两米高度，四周均分四点进行安装固定，采集叶片运行时的哨声，检测分析叶片损伤情况。