摘要： 针对常规滚动轴承故障诊断方法对于强噪声环境效果欠佳，基于深度学习模型的滚动轴承故障诊断方法在复杂工况下泛化性能不佳的问题，提出一种基于多尺度特征(Multi-scale Wavelet Channel-Attention BiGRU，MWCABiGRU)的MWCA-BiGRU模型。该模型借助小波变换增强时频联合分析，自适应提取振动信号的空间特征；利用双向循环控制单元捕捉时序依赖关系，并结合双重注意力机制（通道注意力与全局注意力）动态聚焦关键故障特征。实验中采用凯斯西储大学和渥太华大学轴承数据集。测试结果表明，在强噪声和变负载条件下该模型具有98.8 %的平均准确率和优异的泛化性能。

关键词: 故障诊断, 滚动轴承, 多尺度特征, 小波变换, BiGRU, 注意力机制