针对卷积神经网络（Convolutional Neural Network，CNN）在滚动轴承故障诊断应用中所存在超参数难以确定、网络输出不稳定等问题，提出一种基于差分进化算法（Differential Evolution，DE）优化卷积神经网络的故障诊断模型（CNN-DE）。首先，该故障诊断模型利用DE算法来自适应调节CNN中的超参数，同时将CNN的诊断精度和稳定性一起作为DE算法优化的目标，使得CNN在保证精度的同时降低网络的波动；其次，使用自适应噪声完备集合经验模态分解（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise，CEEMDAN）结合多参数的诊断方法，从原始信号中提取出更加有效的故障特征；最后，根据提取出的特征采用CNN-DE、CNN和BP等算法进行故障诊断，结果表明所提出的算法模型拥有更高的精度和更稳定的性能，也具有优异的抗噪能力，显示了CNN-DE在故障诊断应用中的可靠性。