本发明涉及一种时间序列的轴承故障诊断多层卷积特征提取分类方法，属于基于深度学习的分类方法领域。对轴承时间序列数据通过特征的扩大与收缩，依次通过五层卷积层网络，得到高度抽象的特征向量，然后，通过训练得到不同向量的权重，获取权重矩阵，将权重矩阵进行归一化后，使用权重矩阵对特征向量信息进行选择，保留有用信息，剔除无用信息，将选择后的结果输入全连接神经网络，进行轴承故障诊断的六分类任务。本发明采用模型自主学习获得不同特征向量的权重配比，减少主观因素的影响，降低了特征冗余和特征丢失，提高了分类的准确率，可替代传统人工依靠自身经验对数据特征进行判断，提高工作效率。