Se propone un modelo de entrenamiento de escala de vibración para transformadores de conversión combinando módulos de atención con redes neuronales convolucionales para resolver el problema no lineal de los transformadores de conversión en procesos similares. En primer lugar, de acuerdo con la estructura y los parámetros de operación del transformador de conversión, se estableció un modelo de elementos finitos acoplado tridimensional y multifuncional confiable, considerando la influencia de la estructura del devanado y del núcleo de hierro en las características de vibración generales. Al cambiar diferentes parámetros de entrada, como el tamaño y el voltaje del modelo de elementos finitos, se obtienen parámetros de salida correspondientes, y se establece un conjunto de datos a través de la expansión de datos para entrenar y verificar el modelo de convolución de atención. Al analizar los procesos y resultados de predicción de cinco modelos de predicción en diferentes conjuntos de datos de condiciones de operación, se muestra que la convolución de atención tiene mayor precisión, velocidad de convergencia más rápida, proceso de entrenamiento más estable y mejor rendimiento de generalización en el proceso de predicción del reconocimiento del transformador de conversión. Basado en el modelo predictivo, se diseñó y fabricó un prototipo del modelo de vibración proporcional para el transformador de conversión con un factor de escala de 0.2. Al analizar los elementos experimentales básicos y las características de vibración del prototipo, se verificaron la estabilidad del prototipo y la fiabilidad del modelo de predicción.