本发明公开了基于深度卷积域对抗迁移学习的故障诊断方法，在DCDATL中，利用深度卷积残差特征提取器进行高层特征提取，改善了DCDATL的收敛性和非线性逼近能力；通过获得的高层特征和标签信息的克罗内克积获得特征联合分布表示并嵌入域分类器中，并进行域对抗训练改进了DCDATL的迁移性能；基于最小化DCDATL的联合分布域对抗总体损失函数的特征迁移和分类过程提高了迁移后的分类精度。DCDATL的以上优势使得基于DCDATL的故障诊断方法在旋转机械当前工况下的有标签样本不存在情况下，可利用历史工况下的有标签样本对旋转机械当前待测样本进行高精度故障诊断。