针对传统的变压器故障诊断方法诊断精度以及泛化能力有限，提出了一种基于相似度机制AdaBoostDBN的变压器故障层级诊断方法。首先应用层级分类思想把变压器故障诊断模型分为初级分类器和次级分类器；然后初级分类器采用Bagging-XGBoost方法，使其诊断结果与变压器油中溶解气体数据进行特征融合作为次级分类器的输入特征；最后次级分类器采用相似度机制AdaBoost-DBN方法，使用AdaBoost集成学习有效避免DBN模型过拟合效应，通过提出相似度机制为AdaBoost网络的初始样本权重赋值，克服随机因数对诊断结果的影响，进一步提高模型的诊断精度以及泛化能力。实验结果表明，相比于BP神经网络、支持向量机与DBN网络，文中方法的诊断准确率分别提高17.9%、17.3%、16.1%。