本发明公开了一种基于最优时频谱与CNN‑ALSTM网络的滚动轴承寿命预测方法，包括：步骤1，获取轴承全寿命周期的振动数据集X＝{x1,x2,…,xn}，以时频能量评价指标作为适应度函数，通过蛇群优化算法对广义S变换的调节因子p进行寻优，得到振动数据集中每组振动数据的最优时频谱；步骤2，根据步骤1依次得到每组振动数据对应的最优时频谱，生成轴承全寿命周期的最优时频谱数据集S＝{S1,S2,…,Sn}；步骤3，在CNN网络结构的卷积层后增加一层稠密卷积层，将自注意力机制加入到LSTM网络的第一层，建立CNN‑ALSTM网络；将最优时频谱数据集S送入CNN‑ALSTM网络中进行训练，得到轴承的剩余使用寿命预测模型。本发明可提高旋转机械轴承部件的预测精度，达到旋转机械设备剩余使用寿命的精准预测目的。