本发明提出一种基于卷积自编码器的轴承健康状态监测方法，属于轴承故障预测与健康管理领域。该方法首先获取一个全新轴承的全生命周期数字振动信号及健康状态标注值；分别提取该数字振动信号的本征模态分量统计量特征和利用卷积自编码器学习的深度特征，将两种特征进行拼接并筛选，将筛选出的特征输入全连接回归网络当中进行回归训练，最终得到该轴承全生命周期的健康状态曲线图；之后，获取同型号待监测轴承目前的健康状态曲线图；对比两张曲线图，得到该待监测轴承的健康状态监测结果。本发明通过卷积自编码器提升轴承振动信号特征的完整性，运用特征排序和特征选择的方法去除冗余特征，能够得到较为准确的轴承健康状态。