【摘要】目的：为了克服监测包装机轴承运行工况下的特征提取不准确及状态识别准确率低的问题，提升卷烟包装机轴承故障诊断的识别准确率。方法：首先，针对包装机轴承振动信号非平稳性和瞬态性，采用连续小波变换（CWT）分析振动信号的时频特征，获取振动信号的时频图。其次，在振动信号时频图基础上，采用二维卷积神经网络（2D-CNN）深入挖掘时频图中蕴含的卷烟包装机轴承运行状态特征。最后，基于改进随机森林（IRF）网络，采用 k 近邻—层次聚类算法和加权概率融合策略对模型进行优化，并开展包装机轴承的故障识别。结果：经对比实验，本文提出的基于组合学习网络故障诊断模型的识别准确率高达 99.1%。结论：本文提出的卷烟包装机轴承故障诊断模型具有较高的故障识别准确率，有利于提高卷烟包装机有效作业率。