针对传统大型旋转机械健康状态评估中过分依赖人工经验和对复杂信号的处理通用性较差的问题,基于对抗自编码模型提出一种误差阈值异常检测方法。直接利用设备振动信号进行特征提取与运行状态建模,利用正常状态下设备的振动状态数据建立分布模型;通过深度学习的方式学习振动数据的内在特征,并引入误差阈值作为故障预警的决策准则,实现设备运行状态的高效评估;以一台高转速离心泵为测试对象验证所提方法。结果表明:对抗自编码模型对异常数据的判断准确率能达到100%,该方法能够基于监测数据对旋转设备运行状态进行有效检测;相比于传统自编码神经网络,该方法的诊断准确度和精度大幅提高。