本发明公开了一种噪声条件下无监督迁移学习轴承故障诊断方法和系统，通过一种自适应输入长度模型来代替固定的输入长度来诊断不同参数的轴承，结合第一卷积层和池化层的宽核信号处理方法对输入进行特征去噪；构建基于分组卷积和实例归一化算法，用于特征提取、健康状况分类和去噪；引入基于最大均值差异的优化目标函数对特征分布差异进行对齐；提出的模型不依赖于任何轴承数据标签信息，实现了无监督故障诊断；所提出模型不仅拥有较好智能故障诊断的性能，在噪声条件下对TL不同数据集具有优秀的轴承故障诊断能力。