本发明公开了基于改进CNN与关系模块的旋转部件故障诊断方法，构建故障诊断元数据集，并按故障类别划分为训练集和测试集；对原数据集样本进行快速傅里叶变换；使用多尺度卷积核、随机池化、空洞卷积三种策略建立由提取模块、融合模块和关系模块组成的卷积神经网络诊断模型；采用元学习方法使用训练集来训练该模型；使用测试集对训练好的模型进行小样本的多分类旋转部件故障诊断。本发明能够通过自适应训练出样本间距离的衡量标准，利用元学习的特点对只有一个标记样本的新故障能够实现其快速诊断，从而解决了传统方法依赖大数据量和长时间训练的问题，切实解决了小样本条件下的新故障跨域诊断的问题。