本發(fā)明提供了一種基于自調(diào)優(yōu)深度學(xué)習(xí)的機(jī)械故障預(yù)測方法，方法包括：構(gòu)建基于CNN的故障診斷模型；利用所述故障診斷模型構(gòu)建強(qiáng)化學(xué)習(xí)模型；訓(xùn)練所述強(qiáng)化學(xué)習(xí)模型，并利用所述強(qiáng)化學(xué)習(xí)模型自適應(yīng)調(diào)節(jié)所述故障診斷模型的學(xué)習(xí)率；利用自適應(yīng)調(diào)節(jié)學(xué)習(xí)率的所述故障診斷模型進(jìn)行故障診斷。本發(fā)明的有益效果是：構(gòu)建了一個(gè)卷積神經(jīng)網(wǎng)絡(luò)強(qiáng)化學(xué)習(xí)混合模型，該模型根據(jù)基于CNN的故障診斷模型的實(shí)時(shí)狀態(tài)，實(shí)現(xiàn)對學(xué)習(xí)率的自動調(diào)節(jié)，進(jìn)而提高該故障診斷模型的學(xué)習(xí)效率和學(xué)習(xí)效果，提高故障診斷性能。