La disponibilidad de potencia informática en el campo de la Pronóstica y Gestión de la Salud (PHM) con aplicaciones de aprendizaje profundo (DL) ha atraído a investigadores de todo el mundo. Los robots industriales son el motor principal de la industria moderna. Los robots industriales comprenden múltiples formas de maquinaria rotativa, como motores servo y numerosos engranajes. Por lo tanto, la PHM de los componentes rotativos de los robots industriales es crucial para minimizar el tiempo de inactividad en las industrias. En tiempos recientes, el aprendizaje profundo ha demostrado su valía en diferentes áreas, como biomédica, reconocimiento de imágenes, reconocimiento de voz y muchas más. La PHM con aplicaciones de DL es un campo en rápido crecimiento. Ha ayudado a lograr una mejor comprensión de las diferentes señales de monitoreo de condiciones, como vibración, corriente, temperatura, emisión acústica, descarga parcial y presión. La mayoría de los artículos de revisión actuales son específicos de componentes (o sistemas) y no se han actualizado para reflejar los nuevos enfoques de aprendizaje profundo. Además, no se ha presentado previamente un documento de revisión unificado para estrategias de PHM para robots industriales y su maquinaria rotativa con aplicaciones de DL. Este documento presenta una revisión de las estrategias de PHM con varios algoritmos de DL para robots industriales y maquinaria rotativa, junto con breves aspectos teóricos de los algoritmos. Este documento presenta una tendencia de los avances más actualizados en enfoques de PHM utilizando algoritmos de DL. Además, se discuten las restricciones y desafíos asociados con los enfoques de PHM disponibles, allanando el camino para futuros estudios.