本发明公开了一种旋转部件故障诊断模型构建方法及应用，包括：S1、从采集到的旋转部件在不同状态下的振动数据中选取n段振动数据段作为样本信号，构成样本集；S2、采用样本集训练稀疏过滤模型，并将样本集中的每个样本信号分别输入到训练后的稀疏过滤模型中，所得结果经过激活函数处理后得到各样本信号的学习特征；S3、分别将各样本信号的学习特征与对应的旋转部件的健康状况一一对应，构成训练样本集；S4、将训练样本集输入到机器学习模型进行训练，得到旋转部件故障诊断模型。本发明采用稀疏过滤模型对特征进行无监督学习，对先验知识和人工的依赖性较低，且在特征学习过程中仅需要调整一个超参数，特征学习的效果较好，故障诊断的准确性较高。