本發(fā)明涉及一種滾動(dòng)軸承故障診斷方法，其利用卷積神經(jīng)網(wǎng)絡(luò)理論的學(xué)習(xí)算法完成故障診斷所需的特征提取任務(wù)，可以不依賴人工選擇，由簡(jiǎn)單到復(fù)雜、由低級(jí)到高級(jí)自動(dòng)地提取輸入數(shù)據(jù)的本質(zhì)特征，并能自動(dòng)挖掘出隱藏在已知數(shù)據(jù)中的豐富信息；此外，采用了支持向量回歸方法對(duì)測(cè)試樣本進(jìn)行分類識(shí)別，支持向量回歸具有強(qiáng)大的泛化能力，對(duì)未知的新樣本進(jìn)行識(shí)別具有更好的精度，采用支持向量回歸作為分類器對(duì)樣本進(jìn)行分類識(shí)別，可以克服深度學(xué)習(xí)默認(rèn)的分類器泛化能力一般的缺點(diǎn)。本發(fā)明能夠提高滾動(dòng)軸承故障診斷的準(zhǔn)確性和有效性，為解決滾動(dòng)軸承故障診斷問(wèn)題提供一種新的有效途徑，可廣泛應(yīng)用于化工、冶金、電力、航空等領(lǐng)域的復(fù)雜機(jī)械系統(tǒng)故障診斷中。