本发明公开了一种基于改进GAF及SA的CNN滚动轴承故障诊断方法，涉及轴承故障诊断技术领域，解决了在高噪声环境下轴承故障诊断性能下降的技术问题，其技术方案要点是首先利用改进GAF对采集到的振动信号进行编码，并生成相应特征图，之后将其输入卷积神经网络进行滚动轴承故障特征的提取，并引入适用于卷积神经网络的SA注意力模块实现特征的自适应加权，最后输入到softmax层完成滚动轴承故障分类。该模型鲁棒性好，诊断准确率更高，同时在复杂环境下也能保持较好的诊断结果。