Актуальной задачей технической диагностики является совершенствование методов анализа диагностической информации с целью повышения эффективности процедуры классификации технического состояния. Изучена возможность применения ЦОС для предобработки виброакустических сигналов и формирования диагностических признаков на базе вейвлет-скалограмм вибросигналов. Задача классификации технического состояния объекта контроля по скалограмм вибросигнала осуществлялась посредством разработанной сверточной нейронной сети. Исследования проведены на экспериментальной установке для шести технических состояний зубчатой передачи. Обработка данных и создание нейронной сети осуществлено в пакете программ Matlab. Результаты исследований показали возможность успешного решения задачи классификации технического состояния объекта методами глубокого обучения по вейвлет-скалограммам вибрации. Достоверность распознавания составила 86–90 %.