摘要： 针对由于受噪声干扰导致采用传统方法所提取的故障特征易缺失以及在复杂的工况环境下故障无法完全分类识别的问题，提出一种改进RegNet 的滚动轴承故障诊断方法。首先，利用连续小波变换(Continuous WaveletTransform，CWT)将一维振动信号转换为二维时频图，并将其作为模型的输入；其次，构建含有注意力机制的改进调节残余网络模型(Improved- Regulated Residual Networks，IRegNet)：利用3×3 卷积核对特征进行预处理，在保持空间分辨率的同时减少输入模型参数，提高模型的训练效率；将ConvLSTM作为调节器记录时空信息，与残差结构并行，使其在专注学习自身特征的同时捕获更长期的时空依赖信息；融入混合注意力机制(Convolutional Block Attention Module，CBAM)兼顾通道和空间特征信息，增强特征提取能力。试验结果表明，相较于其他模型，所提方法精度更高，在复杂的实验条件下分类效果更好。