本发明公开了机械设备故障诊断技术领域的基于一维卷积神经网络的圆柱滚子轴承保持架故障诊断方法，将不同保持架故障状态下的振动信号按一定比例采用有重叠样本分割进行数据增强，并对样本实施分段标准化预处理构建训练和测试集；利用一维卷积神经网络模型实现对振动信号的自适应特征提取和特征降维；在输出端利用全局平均池化替换经典构架中使用的全连接运算，以减少训练模型参数和过程运算量，避免发生过拟合，最终经Softmax函数输出诊断结果，不涉及任何费时的人工特征提取，以原始时域振动信号作为输入，模型直接作用于输入信号进行学习训练，充分发挥一维卷积神经网络强大的特征学习能力，实现模型分类预测结果对应于输入信号的故障类别。