本发明公开了一种基于深度迁移学习的旋转机械故障诊断方法，属于旋转机械故障诊断领域。以堆叠自编码器为框架，在无监督预训练阶段逐层递增的适配不同领域概率分布，缩小源域和目标域的分布差异；在微调阶段则进行流形一致性适配，提高深度学习诊断模型的判别结构与数据流形结构的一致性，进一步提高诊断精度。本发明将迁移学习理论与深度学习诊断模型的训练过程相结合，赋予深度学习诊断模型对工况变化的鲁棒性，有效解决了现有深度学习诊断模型在变工况条件下精度严重衰退的问题，显著提高了变工况条件下的旋转机械故障精度。此外，新方法无需目标域待诊断数据标签，具有良好的适用性。