本发明提供一种旋转机械故障的联合卷积神经网络诊断方法，包括数据采集、数据预处理、构建1D‑2D JCNN模型、模型训练、验证、诊断等步骤。该方法更明确地针对不同状态采集到的振动信号，利用一维卷积自适应地获得信号的多尺度特征向量，将这些特征向量构造成二维向量，再将这些二维向量作为二维卷积神经网络的输入。本发明构建1D‑2D JCNN模型时充分利用一维卷积神经网络自适应构造信号的二维结构表达，以及二维卷积神经网络强大的特征学习能力，将这两种不同结构的卷积神经网络统一到一个整体框架中，开发出旋转机械故障诊断的联合卷积神经网络模型。