本发明提出一种基于改进原型聚类的叶片故障诊断方法，方法包括：首先将采集到的叶片的声音信号利用梅尔倒谱系数(Mel Frequency Cepstrum Coefficient，MFCC)法提取样本点，找到欧式距离最大两点；然后以这两点为参照点对样本点进行聚类得到不同集合；将不同集合取交集并计算交集样本的中心点，再将样本原型聚类为两类样本点并设置标签；刻画样本标签类别时序图以此诊断叶片是否发生故障。同时构建样本类别概率矩阵，并定义相应的评价指标来判断叶片故障的可信度。本发明对原型聚类的聚类方法进行了改进，使得样本的聚类更加准确，能够提高叶片故障诊断的准确性，而且本发明还建立了相应的评价指标，以此来判断叶片发生故障的可信度大小。