本发明公开了一种基于深度知识蒸馏网络的工业流式数据在线故障诊断方法，包括步骤：(1)采集机械设备在多个不同运行工况下的原始振动信号，划分为一个源域和多个目标域，并截取相同长度的数据来构成训练和测试样本；(2)设计并构建网络结构，网络整体框架包括：特征提取器和故障分类器；(3)利用有标签的源域样本对模型进行有监督训练，获得初始源模型；(4)结合基于概率置信度的知识蒸馏算法和最大信息熵算法训练模型；(5)将测试样本输入到训练好的模型中，可以得到模型在各个域(各个任务)上的故障分类结果。本发明可以在保护数据隐私的同时实现对工业流式数据中增量故障的有效诊断，具有较高的工业应用价值。