本发明提供一种旋转机械的故障诊断方法、装置、设备和介质，方法包括：采集旋转机械在不同负载下滚动轴承不同状态的振动加速度数据并按照故障类型标签分类；对有标签的样本构建支撑集；构建孪生卷积神经网络模型，随机从支撑集中选取样本并构成样本对进行训练，得到训练好的特征嵌入网络；通过特征嵌入网络将支撑集中每个类别中的待测样本数据统一映射到一个相同的特征嵌入空间中；分别计算每个待测样本与每个原型点的欧氏距离，筛选出欧氏距离最小的原型类别，作为该待测样本故障类别的诊断结果。本发明能够在某些故障样本数据稀少甚至缺失的情况下，有效提高诊断模型的识别率，同时尽可能减小个别样本本身存在的差异性对模型预测效果的影响。