为了弥补实际工业数据和实验实验室数据之间的差距,提出了一种基于加权动态时间扭曲的不平衡结构转子故障诊断方法。通过使用基于故障信息内容的加权方案改进的软动态时间扭曲方法处理数据安全性和不平衡问题。在故障分类阶段,引入了一种结构转子故障的早期分类方法,通过仅将准确度作为目标来开发序列深度学习分类器,然后通过考虑准确性和早期性来定义早期决策策略。在试验台数据集上产生的结果证明了提出方法能够有效提升结构转子故障诊断的精度,并且有效同化数据之间的差异。