本发明提供一种基于宽度学习的机电产品系统或设备实时故障诊断方法，其在传统宽度学习系统基础上，提供包括损失函数优化，即代价敏感学习、随机失活Dropout和集成学习多种方法，获得改进的宽度学习系统。针对实际监测数据存在不同数据类型、类别严重不平衡等问题，本发明在保障训练和优化效率前提下，将代价权重、失活概率等设置为可调节参数，并仿照装袋算法bagging进行集成学习投票预测最终结果，解决故障诊断中普遍存在的不确定影响及类别不平衡问题；基于改进宽度学习系统训练快速、预测精准且稳定性、鲁棒性高，应用于实时监测复杂系统或设备的健康状态，能够预防故障并提供维修建议。