本发明公开了小样本下基于改进元学习网络的齿轮箱故障诊断方法，包括：建立高保真的齿轮‑转子动力学模型，通过引入不同的啮合刚度生成各种故障齿轮的仿真振动信号；利用齿轮故障模拟试验台采集齿轮故障实测振动信号；分别使用连续小波变换将仿真振动信号和实测振动信号转换为对应的能量图，构建小样本数据集；构建基于改进元学习网络的特征提取模型，并利用支持集数据对特征提取模型进行训练；将查询集数据输入训练好的特征提取模型中进行特征提取，计算每类样本的原型表示；计算查询集数据和原型表示的距离，将距离转换为概率分布，以输出预测的故障类别。本发明提高了故障数据不足情况下的齿轮箱故障诊断结果的准确率。