本发明公开了一种数据驱动的转子系统典型故障诊断方法，采用统计学方法和小波包分解对振动信号进行特征提取，利用特征筛选算法进行特征评估，筛选得到敏感特征集；采用迁移学习方法，将训练集和实时测试数据映射到核希尔伯特空间；采用最近邻分类器对故障特征进行自动分类。应用来自不同的石化企业透平机械的转子不平衡、轴系不对中、油膜涡动、碰摩等典型故障案例数据进行了模型的训练与验证工作。并与其他相关方法进行了比较，结果表明，所提方法具有较好的泛化性与诊断准确率。这一探索将促进转子系统智能故障诊断方法的工程应用。