【摘要】智能故障诊断是一种很有前景的工具，能够快速高效地处理采集到的信号并提供准确的诊断结果。 在传统的智能诊断方法中，特征是根据先验知识和诊断知识进行手动提取的。 基于此，本文提出了一种用于机器智能诊断的学习方法。 该方法分为 ２个阶段。 第 １ 阶段采用无监督的稀疏滤波，直接从机械振动信号中学习特征。 第 ２ 阶段则使用 Ｓｏｆｔｍａｘ 回归对工业控制系统的健康状况进行分类。 所提出的方法通过电机轴承数据集进行了验证。 结果表明，该方法获得了相当高的诊断精度，并且优于现有的电机轴承数据集方法。 由于自适应学习特征，该方法减少了人工的需要，使智能故障诊断更容易处理大数据。