本发明公开了一种基于深度置信网络的旋转机械故障诊断方法、系统及介质，包括步骤：获取旋转机械关键部件的振动信号，并将振动信号转换为玻尔兹曼机能够读取的数据格式；将振动信号输入到深度置信网络进行前向学习处理和反向微调处理得到样本输出数据，深度置信网络由3个玻尔兹曼机叠加构成；将样本输出数据分为训练集和验证集，将训练集输入到一维卷积神经网络中进行特征提取得到特征图；使用soft‑max分类器根据特征图对旋转机械的不同健康状况进行分类，以实现对旋转机械的故障诊断。避免了传统特征提取方法对于专业知识及先进经验的过度依赖，拥有较传统方法更为高的识别分类精度。