本发明涉及数据处理技术领域，具体的说是一种能够有效提高数据分类准确率的基于分散式深度学习的机械信号健康状态分类方法及系统，包括模型搭建与训练阶段和模型应用阶段，其特征在于所述模型搭建与训练阶段包括：将待处理的机械信号送入CNN浅分析模块进行训练，搭建并训练多级CNN信号深入分析模块，将CNN浅分析模块的全连接层的前一层训练结果作为1级CNN信号深入分析模块的输入，依次将前一级CNN信号深入分析模块的全连接层前一层的训练结果作为后一级CNN信号深入分析模块的输入，给定相同的标签，引导训练，训练概括分析单元；与现有技术相比，具有准确率高、运算速度快等显著的优点。