本发明公开了一种基于数字孪生的故障诊断方法，包括如下步骤：1)基于物理模型的物理特性，构建其对应的虚拟模型；2)分别运行物理模型和虚拟模型，获取若干种特征的实测值和虚拟值；3)基于距离度量方法选择需要优化的参数，然后用粒子群优化算法对数字孪生虚拟模型进行更新；4)运行更新后的虚拟模型，基于其产生的数据构建训练集,并训练卷积神经网络；5)基于物理模型得到的数据，构建测试集；用训练好的卷积神经网络对测试集进行分析，输出对设备故障的诊断效果。本发明通过虚拟数据与真实数据的相关性分析，改进虚拟模型，能解决现有数据驱动的故障诊断方法没有考虑算法所需的数据量不足的问题。