球磨机的安全性和稳定性在工业生产中具有重要意义，其健康情况与生产效率、能耗等多项技术指标直接相关。而诊断球磨机故障的传统机器学习方法过度依赖人工特征提取，且缺乏自适应性。为此，针对球磨机工作状态下的分段多项式声信号，提出了一种小波去噪与自回归(AR)模型功率谱相结合的预处理方法来构建本征模态函数(IMF)特征向量，剔除噪声干扰信号。基于此构建卷积神经网络(CNN)

以遴选的特征向量为输入，处理后变换为抽象的深层特征，以准确诊断球磨机的健康状态。实验结果表明：相较于其他传统机器学习算法，该方法在诊断准确性与诊断效率具有显著优势。