Con el objetivo de abordar el problema de que los datos predichos no reflejan el estado operativo de las máquinas herramienta de control numérico por computadora (CNC), este artículo propone un nuevo modelo combinado basado en SE-ResNet y Transformer para la predicción de fallos en máquinas herramienta CNC. En primer lugar, se utiliza el modelo Transformer para construir un mapeo de características temporales no lineales utilizando el mecanismo de atención en datos multidimensionales. En segundo lugar, los datos predichos se transforman en características 2D mediante el modelo SE-ResNet, que es experto en procesar datos 2D, y se capturan las relaciones de características espaciales entre los datos predichos, mejorando así la capacidad de reconocimiento del estado. A través de experimentos, se recopilan datos que involucran las máquinas herramienta CNC en diferentes estados para construir un conjunto de datos, y se valida el método. El modelo SE-ResNet-Transformer puede predecir con precisión el estado de las máquinas herramienta CNC con una tasa de reconocimiento del 98.56%. Los resultados demuestran la efectividad del método propuesto en la predicción de fallos en máquinas herramienta CNC. El modelo SE-ResNet-Transformer es un enfoque prometedor para la predicción de fallos en máquinas herramienta CNC. El método muestra un gran potencial para mejorar la precisión y eficiencia de la predicción de fallos en máquinas herramienta CNC. Se proporcionan métodos viables para el control preciso del estado de las máquinas herramienta CNC.