本发明公开了一种基于深度对抗迁移网络的广义开放集故障诊断方法，包括步骤：分别采集旋转机械在某工况下的带有标签样本的原始振动信号，同时从不同的运行工况获得无标签的故障样本，构建源域和目标域样本集；构建具有双加权机制的深度对抗迁移网络，包括特征提取器、领域判别器、非对抗领域判别器和多分类集成学习器；利用源域数据集采用梯度下降法对特征提取器的参数以及多分类集成学习器的参数进行联合优化训练；通过对偶权重进行加权训练；通过计算所得权重值判别数据是否属于新故障类别，输出最终诊断结果。本发明通过深度对抗迁移网络，利用双加权机制减少源域和目标域新故障类别对特征匹配的影响，实现对广义的开放集新故障任务诊断。