本发明涉及一种基于卷积神经网络的滚动轴承智能诊断模型的建立方法的设计方法，首先，将一维的振动信号映射成二维图像信息，将二维图像数据用于训练网络模型；其次，对应用过程中卷积神经网络的结构参数进行分析，选择较优的网络参数，得到对机械故障分类能力较强的卷积神经网络结构；实现了对不同负载不同转速复杂工况下的机械故障的准确识别与分类；卷积神经网络模型通过建立多层网络大大提高了神经网络的特征提取能力，克服了以往需要人工对大量信号处理技术的掌握以及对诊断经验的依赖，能够直接在原始的时域信号中通过学习的方式获取故障特征，从而做出诊断，实现在每小时TB级数据量的情况下故障特征的自适应提取与健康状况的智能诊断。