提出了一种基于自归一化卷积神经网络（SNN）特征提取和IFASVM模式识别的轴承故障诊断方法。首先对原始信号进行处理生成时频图，然后建立CNN卷积神经网络模型，并将标度指数线性单元（SELU）应用于卷积神经网络，形成自归一化的卷积神经网络，以提高复杂振动信号的特征提取能力。最后，将提取的特征输入IFASVM模型进行故障分类。实验结果表明，与传统的特征提取方法和CNN方法相比，该方法具有更高的识别率和更快的收敛速度，实验识别率可达99.17%。