传统故障诊断系统通过传感网络、采集网络、日志报文等技术收集检定系统的运行数据,但采集数据量较少,专家判断法、决策树法、SDG模型等传统的数据挖掘方式效率较低、诊断效果差。针对现状,文中将深度学习技术引入自动化流水线的检定系统,实现故障预警、诊断一体化,基于深度学习神经网络构建针对自动化流水线的故障分类模型,并用实际系统运行数据对模型预警效果进行测试验证。算法验证最终以概率形式给出故障预警结果,充分考虑流水线及设备相互间影响的因素,结果表明,该方法具有理想的故障预警效果,为自动化流水线的故障排查与预防提供更精确的信息。