本发明涉及电机轴承故障分类模型的构建方法，具体为风力发电机轴承故障分类模型的构建方法。本发明的目的在于使用低成本传感器数据驱动的深度学习网络，形成一种风力发电机轴承故障分类模型的构建方法，为风力发电机轴承健康监测提供一种高效准确的解决方案新范式，可用于实时正常状态监测或故障检测。该方法由如下步骤实现：步骤1、预置轴承故障类型及数量，步骤2、原始信号采集与预处理，步骤3、建立深度学习网络，步骤4、验证模型分类结果。本发明使用快速傅里叶变换处理序列数据，能够加速深度网络收敛和提升分类准确度；提高了风力发电机轴承故障的辨识准确率和故障识别实时性，降低了深度学习中网络训练对算力资源的浪费。