针对传统滚动轴承故障诊断方法训练时间长和效率低的问题，提出一种基于卷积神经网络（convolutional neural networks，简称CNN）和宽度学习系统（broad learning system，简称BLS）的故障诊断方法，实现了端到端的快速准确模式识别。首先，建立CNN与BLS结合的宽度卷积学习系统（broad convolutional learning system，简称BCLS），利用CNN提取信号特征和BLS进行分类，获得系统输出；其次，通过残差学习增加BLS层数，形成堆叠宽度卷积学习系统（stacked broad convolutional learning system，简称SBCLS），优化预测输出与真实标签的误差，对轴承故障模式进行识别；最后，通过试验将所提方法与3种BLS方法的预测结果进行了比较验证。结果表明，与几种常见故障诊断方法相比，所提方法诊断效果更佳，具有更高的准确率和训练效率，在边缘端的智能故障诊断中具有较好的应用前景。