本发明提供了一种针对变工况条件下未知目标域中轴承复合故障的诊断方法，包括：基于多层领域自适应方法构建由深度残差网络组成的故障特征提取器；输入预处理后的轴承振动信号，对源域及目标域数据经过多个残差块提取到的特征都进行分布差异匹配，得到可迁移的特征；通过多标签学习将复合故障表示为单一故障的组合；运用二元关联策略为各类单一故障分别训练对应的二分类器，从复合故障中分离出各单一故障特征并分别进行诊断。本发明解决了传统诊断方案依赖专家知识且难以对复合故障进行有效解耦并识别的问题，实现了变工况下对轴承复合故障的精确诊断，同时摆脱了现有方法对标记数据的依赖，能够对相关但不可见的目标域进行准确诊断。