针对实车旋转车轮动平衡状态难以实时监测及预判的问题，提出了一种融合注意力机制的抗噪一维卷积神经网络（noise resistant 1D convolutional neural network， 简称NRCNN）的旋转车轮动平衡健康状态监测方法。首先，构建NRCNN模型，以在实车车轮上添加3种不同质量平衡块的方式获得3种不同速度下对应的旋转车轮动不平衡状态下的振动信息；其次，以高斯白噪声为噪声输入，对所测旋转车轮不同动平衡状态的振动信息进行处理，获得试验样本数据，并用其进行模型训练；然后，综合运用卷积运算机制和特征变换进行t分布随机邻域嵌入（t-distributed stochastic neighbor embedding， 简称t-SNE）可视化显示，实现对不同动平衡状态的分类输出。结果表明，在不同信噪比的工况下，所提出的改进NRCNN模型旋转车轮的动平衡状态监测方法相比于传统一维卷积神经网络（1D convolutional neural network，简称1D-CNN）模型，展现出更高的诊断准确性，最高可达到99.95%。