本发明公开了一种基于深度迁移网络的多传感器数据融合方法，包括以下步骤：对获取的多个传感器的源域数据和目标域数据进行数据预处理；构建训练数据和测试数据；使用深度神经网络训练特征编码网络和分类器；计算每个编码网络的最大均值误差损失及对应的分类损失，计算所有分类器对目标域样本输出之间的不一致的损失，优化数据分类、最大均值差异和分类器输出产生的总体损失，获得整体损失函数；将目标域测试数据输入到各个编码网络中提取特征，输出最终的数据融合结果。本发明融合方法有效利用不同位置传感器冗余和互补的信息，获得稳定的融合结果和较高的诊断精度。同时，可有效减少测试数据和训练数据的分布差异。