为解决变分模态分解（variational mode decomposition，简称VMD）在噪声情况下提取风电机组故障特征时因参数设置的人为经验不足而带来的误差问题及耗费时间的问题，提出一种基于自适应变分模态分解（adaptive variational mode decomposition，简称AVMD）算法的风电机组故障诊断方法。首先，将包络熵-峭度-互信息准则（envelope entropy，kurtosis and mutual information，简称EKM）作为黏菌算法（slime mold algorithm，简称SMA）的适应度函数来寻找最优解，并按照最优解对故障信号进行分解；其次，计算每个固有模态函数分量（inherent modal function，简称IMF）的峭度和与原信号的互信息，选择具有故障特征的分量进行重构；最后，通过Teager能量算子解调来识别风电机组故障特征频率。仿真信号和实际风电机组故障信号表明，所提方法能够找到故障频率及其倍频，验证了其在风电机组故障诊断领域中的有效性。