现有的基于深度卷积的故障诊断方法只考虑局部特征信息的提取，而忽略了全局信息的不足。将能够掌握全局信息的注意机制集成到卷积层中，使注意机制参数和卷积层参数参与网络的训练。提出了一种注意增强卷积的机械故障诊断方法。首先，通过经验模态分解、变分模态分解和小波包分解提取滚动轴承振动信号的高维特征模。将由特征模组成的多通道样本输入到注意增强卷积算法中进行训练，并由网络自适应融合和选择特征模，以挖掘特征模的隐含特征。最后，使用softmax分类器进行分类和识别。通过训练好的网络对高速滚动轴承进行故障诊断。采用不同信噪比的Volmati方法进行测试，验证了网络的泛化能力和故障诊断效果。实验结果表明，新方法能够准确、准确地对航空发动机滚动轴承不同故障的损伤程度进行分类和识别。