针对目前国内燃机电厂转子故障诊断主要依靠振动分析，无自动识别轴心轨迹设备的现状，将在自然语言处理领域大放异彩的Transformer 神经网络引入转子轴心轨迹监测与识别领域，通过独立成分分析(IndependentComponent Analysis，ICA)与Transformer 结合提升燃机转子故障诊断准确性。使用ICA代替Transformer 自身的线性变换提取图片特征信息构建输入样本，为了解决自注意力机制无法捕捉位置信息的问题，提出相对位置编码方法，区别于使用较多的绝对位置编码，通过嵌入相对位置编码子层，将相对位置信息注入自注意力机制，使得Attention 模块能够学习到序列的相对位置信息，可进一步提高图像识别模型的准确性，该模型对于轴心轨迹故障类型平均识别率达到93.8 %。实验结果表明ICA-Transformer模型对转子轴心轨迹的识别准确率较高，对电厂运维具有一定的指导意义。