本发明公开了一种基于最小贝叶斯风险重分类和自适应权重的齿轮箱故障诊断方法，所述方法包括：利用多路信号传感器收集齿轮箱各项运行监测参数，得到多路时间序列参数数据；基于所述多路时间序列参数数据进行特征提取和降维，得到降维后的降维特征向量；将所述多路信号的每一路降维特征向量，输入概率神经网络(PNN)分类器，对PNN分类器进行训练；构建最小贝叶斯重分类模型，将初步分类结果输入所述最小贝叶斯风险重分类模型，得到重分类结果；使用基于自适应加权机制的决策信息融合算法，自动融合所述重分类结果，得到更稳健的齿轮箱故障诊断最终分类结果。