本發(fā)明提供了一種基于深度學(xué)習(xí)和支持向量機(jī)的滾動(dòng)軸承故障診斷方法，其利用深度信念網(wǎng)絡(luò)理論中成熟的學(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單到復(fù)雜、由低級到高級自動(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，由于采用了支持向量機(jī)分類方法對測試樣本進(jìn)行分類識(shí)別，因此可以采用之前設(shè)計(jì)好的有效方法去尋找和發(fā)現(xiàn)目標(biāo)函數(shù)的全局最小值，從而解決深度信念網(wǎng)絡(luò)可能陷入局部最優(yōu)解的問題。本發(fā)明的滾動(dòng)軸承故障診斷方法能夠提高滾動(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)雜系統(tǒng)中。