本发明公开了一种强噪声环境下的滚动轴承故障诊断方法及系统，采用深度学习进行轴承故障诊断，神经网络模型由随机采样层、结合SENet的CNN全局型特征提取器、基于CNN的高维特征提取器、基于GRU的特征分类器、全连接层和softmax层构成。将归一化后的训练数据输入到神经网络模型中，由随机采样层对其随机采样以增加模型的抗干扰性，采用结合SENet的CNN全局型特征提取器来提取全局型的故障特征，由基于CNN的高维特征提取器将其抽象成更高维的特征，采用基于GRU的特征分类器来加强特征表现能力，由全连接层以及Softmax层得到故障类别诊断结果。能够克服噪声干扰，对多种载荷下的滚动轴承信号进行诊断。