本发明公开了基于多任务图神经网络的智能故障诊断与寿命预测方法。所述方法具体如下：采集旋转机械的全寿命周期振动信号，设置故障类别标签和剩余使用寿命标签；对振动信号利用滑动窗口提取多个时频域特征，同时计算特征之间的相关系数，结合标签信息构建样本图；将样本图输入图卷积模块，通过图同构层和全局平均池化层自动提取深度特征；将图卷积模块提取的特征输入自注意力模块，利用自注意力机制进行加权；将经过加权后的特征并行地输入分别用于执行故障诊断任务和寿命预测任务的两个全连接层，构建联合损失函数进行训练，得到多任务模型；将测试样本图输入训练好的多任务模型，模型的可同时输出该样本图所属的故障类别及剩余使用寿命情况。