本申请提供一种基于多源数据融合的风机变桨系统故障识别方法及其系统，其通过卷积神经网络模型作为特征提取器提取变桨系统在工作时的振动特征，通过多尺度邻域特征提取模块提取预定时间段内多个预定时间点的桨距角和风速值在时间维度上的动态特征信息并以风速特征和桨距角特征的融合特征来表示变桨系统的工作状态特征，然后，计算振动特征与工作状态特征之间的转移矩阵以得到振动与工作状态之间的关联性特征信息，最后将振动与工作状态之间的关联特征通过分类器以得到用于表示变桨系统是否存在故障的分类结果。这样，可以准确地对风机变桨系统进行故障识别，以提高风能的利用率和保障风力发电机的安全性。