一种基于重要性加权域对抗自适应的智能故障诊断方法，采集旋转机械在不同工况下的振动信号，分别对不同工况下数据集采用移动时窗进行信号的分割；构造域类别识别网络，输出源域样本在对抗训练中重要性权重；提取数据集中判别性特征；结合特征提取器与域判别器，构造重要性加权域对抗自适应网络；采用对抗式网络的训练策略训练网络模型至模型收敛，使用训练好的类别分类器识别缺乏故障标签的目标域数据集的轴承健康状态。本发明通过借助有丰富数据信息的工况对数据信息不足的工况进行故障诊断，完成了诊断知识的迁移，同时构造了深度学习网络，克服了传统诊断方法中对专家知识的依赖，为降低未来智能故障诊断系统的成本提供了一种有效的工具。