本发明公开了一种基于数据驱动的强噪声干扰下齿轮箱故障诊断方法，步骤1：获取历史故障数据，即使用加速度传感器分别采集三种状态下的振动信号，对采集的振动信号进行标准化处理作为故障诊断模型的输入，并划分为训练数据集和测试数据集；步骤2：建立故障诊断网络模型；步骤3：训练故障诊断网络模型；步骤4：将测试集输入训练好的模型中，得到诊断的预测结果；若模型的诊断准确率低于阈值，执行步骤5，否则，继续调整模型参数后返回步骤3；步骤5：利用训练好的故障诊断模型进行行星齿轮故障诊断。本发明具备较强的特征学习能力，不需要人工特征提取，在保证高故障识别精度的前提下，明显提高齿轮箱在外界强噪声干扰条件下的特征提取效率。