本发明公开了利用卷积神经网络和峭度指标的滚动轴承故障诊断方法，包括如下步骤：通过实验分别获取滚动轴承的外圈故障、内圈故障、滚动体故障以及正常情况四种类别的振动信号，具体包括样本扩充；生成峭度指标数据集；生成故障图像。本发明方法克服了现有方法过程复杂，针对性不强的缺点。本发明采用深度模型可以提取数据的深层次特征，具有更好的数据表达能力，同时也避免了传统特征提取方法对专业知识的依赖，降低了诊断过程的复杂性。同时通过采集不同故障类型的轴承数据进行实验，结果表明该模型的诊断精度高于传统方法，适用于滚动轴承故障的精确诊断。