本發(fā)明公開了一種深度卷積神經(jīng)網(wǎng)絡(luò)的旋轉(zhuǎn)機械健康評估方法，包括振動信號采集；網(wǎng)絡(luò)訓(xùn)練集的構(gòu)建；深度卷積網(wǎng)絡(luò)的構(gòu)建；深度卷積網(wǎng)絡(luò)的訓(xùn)練；網(wǎng)絡(luò)測試和健康指標的構(gòu)建；健康指標評價。本發(fā)明結(jié)合深度學(xué)習(xí)強大特征提取能力的優(yōu)勢，訓(xùn)練標簽設(shè)置考慮了分段線性退化。本發(fā)明將原始振動信號輸入到深度卷積神經(jīng)網(wǎng)絡(luò)中，將深度卷積神經(jīng)網(wǎng)絡(luò)提取到的特征輸入到深度神經(jīng)網(wǎng)絡(luò)中構(gòu)建健康指標，利用多項式衰減學(xué)習(xí)效率高效訓(xùn)練神經(jīng)網(wǎng)絡(luò)。本發(fā)明能準確評估旋轉(zhuǎn)機械健康狀態(tài)，可廣泛應(yīng)用于化工、冶金、電力、航空等領(lǐng)域旋轉(zhuǎn)機械健康評估，能準確描述這些零部件性能退化的動態(tài)過程，還能進行剩余壽命預(yù)測。