Los métodos existentes de diagnóstico de fallos en propulsores para vehículos submarinos autónomos (AUV) suelen necesitar suficientes datos de entrenamiento etiquetados. Sin embargo, es poco realista obtener suficientes datos de entrenamiento etiquetados para cada condición de trabajo en la práctica. Basado en este desafío, se propone un enfoque transferible de diagnóstico de fallos en propulsores. En el enfoque, se añaden un IPSE (entropía del espectro de potencia instantánea) y un STNED (diferencia de energía señal-ruido) al SPWVD (distribución de Wigner-Ville suavizada) para identificar los límites de tiempo y frecuencia de la región local en el espectro de potencia tiempo-frecuencia causado por el fallo del propulsor, formando un método TFE (energía tiempo-frecuencia) para la extracción de características. Además, se añaden el RCQFFV (cantidad de cambio relativo del valor de la característica de fallo), un MSN (normalización de múltiples escalas) y un LSP (predicción de mínimos cuadrados) al SVDD (descripción de datos de vectores de soporte) para alinear las distribuciones de las muestras de fallo, contribuyendo a un TSVDD (SVDD transferible) para la clasificación de muestras de fallo. Los resultados experimentales de un prototipo de AUV indican que la característica de fallo es monótona con respecto al porcentaje de pérdida de empuje para el TFE propuesto, pero no para el SPWVD. El TSVDD tiene una mayor precisión general de clasificación en comparación con el SVDD convencional en condiciones de trabajo sin datos de entrenamiento etiquetados.