本发明公开了一种基于深度学习的轨道交通电机轴承故障程度分类模型构建方法，涉及轨道交通中的电机轴承故障诊断领域。具体使用轨道交通电机轴承加速度传感器信号进行深度学习网络训练，然后深度学习网络采用卷积神经网络或长短时记忆网络，可为轨道交通电机轴承健康监测提供一种高效准确的解决方案新范式。在牵引电机上安装加速度传感器，对电机振动信号进行实时采集和智能分析，从而实现对电机轴承实时正常状态监测和故障程度检测。本发明使用深度学习方法训练网络模型，可有效提高对故障类型和故障程度的分类准确度；数据采样为单轴加速度传感器，可有效降低数据采集的硬件成本，带来经济效益；能够结合数据特点，选择网络的类型和深度进行模型优化。