本申请提出了一种基于多个预训练神经网络的设备健康状态分类方法，该方法包括：获取待分类设备的历史音频数据，并通过预训练数据集和分类目标函数对多个神经网络进行预训练；通过历史音频数据对多个预训练神经网络进行循环迭代训练；针对每段历史音频数据，获取多个训练完成的神经网络输出的多个决策向量，计算对应的融合决策向量；通过无监督聚类算法对全部的融合决策向量进行聚类，通过专家知识标注每个类对应的设备健康状态；将实时音频数据输入至多个训练完成的神经网络，获得对应的目标融合决策向量，并根据目标融合决策向量所属的类，确定待分类设备的实际健康状态。该方法可以提高设备健康状态分类的准确性，减少数据标注成本。