本发明公开了一种基于LSTM的磨煤机故障预警方法，包括以下步骤：步骤S1：采集磨煤机原始数据，收集训练数据；步骤S2：确定训练集，对训练集进行数据处理；步骤S3：构建LSTM模型，并进行模型训练；步骤S4：测试数据收集，并进行数据处理；步骤S5：应用LSTM模型估算待评估磨煤机的监测测点参数的值；步骤S6：计算计算结果与实际值的偏差；步骤S7：将步骤S6的各偏差值映射为健康度；步骤S8：定义SPC规则；步骤S9：应用SPC规则，判断电潜泵的运行是否异常，从而触发报警机制。本发明提出一种基于LSTM网络的深度学习模型，该模型可以将磨煤机的运行状态进行量化，即健康度估计，并结合SPC规则判断健康度的变化趋势，进而对磨煤机的健康状况进行预警。