高浓盘磨机是造纸工业中一种重要的磨浆设备,其稳定磨浆的能力直接影响企业的经济效益。高浓盘磨机主轴属于精密主轴,磨盘精磨区间距的最小处不足0.1mm,如果其运转不够稳定,动盘运行在偏斜情况下,会引起磨盘的碰撞。“碰盘”现象的发生对高浓盘磨机的损害是巨大的。主轴轴承作为高浓盘磨机主轴系统承担载荷的重要部件,在运转过程中受到交变载荷的冲击下,容易使主轴轴承发生故障,从而影响高浓盘磨机的运转。因此,对高浓盘磨机主轴轴承故障诊断的研究是十分必要的。首先,对高浓盘磨机主轴轴承工作特点进行了分析研究,并对高浓盘磨机主轴轴承故障振动信号成分进行了分析。针对高浓盘磨机在实际工况下,振动噪声掩盖故障信息的问题,引入多点最优最小熵反褶积方法,实现对原始振动信号的降噪和增强周期性脉冲冲击特征。通过搭建轴承故障实验台,进行轴承故障数据的采集。为了模拟高浓盘磨机实际工况,对采集的故障信号中添加噪声,并通过对比实验验证高浓盘磨机主轴轴承故障仿真信号的降噪和特征增强效果,为实现高浓盘磨机主轴轴承故障特征提取提供了重要保障。其次,提出基于混沌改进水母优化算法的变分模态分解方法,实现对高浓盘磨机主轴轴承故障特征的自适应提取。通过对比实验,验证变分模态分解与经验模态分解和局部均值分解方法提取信号特征的能力。针对变分模态分解中需要人为设定分解个数和惩罚项系数的缺陷,通过引入水母优化算法对变分模态分解进行优化,并改进优化算法中的混沌映射来提高其性能,实现对不同类型故障信号的自适应参数确定和分解。通过对比实验对该方法的特征提取能力进行验证。最后,提出基于空间注意力校准的密集连接卷积网络实现对高浓盘磨机主轴轴承故障分类。为解决传统人工识别高浓盘磨机主轴轴承故障所需要雄厚的专家经验,以及数据中关键信息不能得到有效提取等问题,引入密集连接卷积网络对滚动轴承故障进行准确识别。引入空间注意力机制,形成空间注意力校准的密集连接卷积网络,并设计两种压缩模块,实现模型的压缩。在实际工况下采集高浓盘磨机主轴轴承振动信号,并通过所提出的故障诊断方法实现了对于高浓盘磨机主轴轴承的故障诊断,对保证高浓盘磨机稳定运行具有实际意义。