本发明涉及一种基于PWVD和DenseNet的轴承故障诊断方法，包括采集不同轴承状态下的原始轴承振动信号，并进行加噪处理，包括正常状态、外圈故障、内圈故障和滚动体故障状态，根据轴承状态对数据赋予相应的标签，对数据进行切分形成样本；采用伪魏格纳分布对样本进行时频分析，获取能够充分反映故障信息的时频图；将所述时频图划分为训练集、验证集和测试集，分别输入到卷积神经网络中进行训练、验证和测试，建立时频图与对应标签之间的映射关系模型；利用所述映射关系模型通过轴承振动信号获得轴承故障状态类型识别。本发明能够较好的应用于滚动轴承故障诊断任务，准确率更高、抗噪性能好、训练稳定。