针对轴承实际工况复杂多变,现有的智能故障诊断模型和方法诊断效果不理想等问题,设计一种深层特征相关性对齐迁移学习的故障诊断方法。首先,对原始轴承振动信号预处理并将所获得的数据样本划分为训练集、迁移集和测试集;其次,建立一维卷积神经网络,采用训练集对网络模型进行初始化训练;再次,利用迁移集对微调模型进行迁移,提取源域和目标域的深层特征,在迭代过程中不断提高两域所提取特征之间的相关性;最后,使用测试集对所得到的轴承智能故障诊断模型的有效性进行验证。实验结果表明,相对于传统故障诊断方法,该方法可以提高模型的泛化能力,更好地完成实际工况下的轴承故障诊断任务。