本发明提供了一种基于核卷积神经网络的发电机转子绕组匝间短路诊断方法，实时采集同步发电机工作在正常运行工况以及3％、5％、10％转子绕组匝间短路工况下的转子振动信号，按照8：2随机划分为训练集和测试集；确定最优多尺度核卷积神经网络结构；将转子振动信号进行切片处理后输入多尺度核卷积神经网络模型中进行训练，利用多尺度卷积核并行学习，获取丰富且互补的故障信息，准确诊断同步发电机的运行状态。本发明提出了一种端到端的同步发电机转子绕组匝间短路故障诊断系统，解决了传统方法依赖于专家经验，耗时大的问题，进一步提高了同步发电机转子匝间短路故障诊断准确率。