本发明公开了一种齿轮箱早期故障检测方法，包括以下步骤：S1、信号采集：采集齿轮箱在正常和故障工作状态下的振动信号，通过经验模态分解法对振动信号进行分解；S2、空间分解：结合深度分解定理，将原始空间分解到多个子空间中，建立各子空间的动态主元模型；S3、模型更新：通过滑动窗算法，考虑数据的时序相关性，对模型进行实时的更新；S4、控制限计算：通过对统计量和控制限判断齿轮箱是否发生故障，并更新模型重新计算控制限。本发明基于深度递推动态主元分析建立动态主元模型，进而实现对齿轮箱的早期故障智能检测。相对于传统的早期故障检测方法，本发明具有自适应性、检测率高、检测速度快等优点。