本发明公开包括步骤：获取故障诊断的原始样本数据集并预处理；计算信息增益对传感器监测变量进行选择，得到最优样本数据集；基于离散小波变换对最优样本数据集进行深度特征提取，结合统计学以及信息增益的计算得到最优深度特征样本数据集；对最优样本数据集和最优深度样本数据集进行基于主成分分析的特征提取和降维，构造最终的复合特征样本数据集；使用十折交叉验证对复合特征样本数据集进行训练集和测试集划分，将训练集样本送入集成分类器训练并建立模型；利用模型对测试集进行故障诊断。本发明避免现有的基于单一分类算法的故障诊断方法在不同的应用场景下表现的不稳定性，提高了故障诊断的泛化性和准确性。