本发明公开了一种数据驱动的转子系统典型故障自动识别方法，包括：离线训练模块、故障分类知识库模块和在线故障自动识别模块。采用优化的经验模态分解将原始振动波形信号自适应分解为一系列本征模态函数分量；提出特征联合分析方法筛选敏感的IMF分量进行信号重构，并筛选重构信号计算出的多尺度散布熵值作为特征值；构造LSSVM分类器自适应确定惩罚因子C和核参数σ；应用迁移学习最小化源域数据与目标域数据之间的距离，构建的迁移特征向量矩阵作为模型的输入，实现转子系统的故障模式识别。本发明采用原始时间序列振动波形数据作为输入，故障识别结论可自动输出，对于不同设备和不同工况下的转子系统故障数据有较高识别准确率和较好的泛化性。