本发明公开了一种基于宽残差网络学习模型的机械轴承故障诊断技术，包括以下步骤：步骤一，采集振动数据；步骤二，运用卷积神经网络对样本数据进行训练、测试，对卷积神经网络结构中的各层数据运用数据可视化技术，完成振动数据和卷积神经网络模型结合的初步应用场景构建；步骤三，引入宽残差网络模型，通过拓宽卷积核达到对振动数据高频噪声信号和低频特征信号的过滤折中。该技术通过运用宽残差网络，核心是解决了增加深度带来的副作用(退化问题)，同时在保持对振动数据故障诊断准确率基本不变的情况下做到了深度学习过程中对振动数据高频噪声信号和低频特征信号的过滤折中。