本发明提出了一种多视角融合的风电齿轮箱轴承寿命预测方法，属于风电齿轮箱轴承剩余寿命预测技术领域，该方法直接从原始振动时域信号出发，采用傅里叶变换和连续小波变换方法，获取时域、频域、时频域三种不同视角的同源信号；同时针对多视角输入信息，设计多尺度卷积神经网络模块，通过在特征维度级联的方式，获得多尺度退化特征，上述技术手段从三种不同视角丰富了原始振动信号所包含的信息，并通过多尺度特征提取方法对多视角信息进行融合，因此能够提取更为完整的轴承退化信息，与传统的基于振动信号的深度学习寿命预测模型相比，本发明能够提高预测精度，为风电齿轮箱轴承剩余寿命预测领域提供了新的途径。