Apuntando a la dificultad del diagnóstico de fallos en rodamientos en un entorno de fuerte ruido, este artículo propone una red de filtros integrados mejorada. En el método, primero diseñamos un filtro integrado mejorado, que incluye el módulo de mejora del filtro y el módulo de mejora de la expresión. El módulo de mejora del filtro no solo puede filtrar el ruido de alta frecuencia para extraer características útiles de señales de media y baja frecuencia, sino que también puede mantener la resolución de frecuencia y tiempo hasta cierto punto. Sobre esta base, el módulo de mejora de la expresión analiza las características de fallo interceptadas por la red superior a múltiples escalas para obtener características profundas. Luego, introducimos neuronas vectoriales para integrar características escalares en un espacio vectorial, que exploran la correlación entre características. Los vectores de características se transmiten mediante enrutamiento dinámico para establecer la relación entre cápsulas de bajo nivel y cápsulas de alto nivel. Para verificar el rendimiento de diagnóstico del modelo, se utilizan los conjuntos de datos de rodamientos CWRU e IMS para la verificación experimental. En el entorno de fuerte ruido con SNR = -4 dB, las precisiones de diagnóstico de fallos del método en CWRU e IMS alcanzan el 94.85% y el 92.45%, respectivamente. En comparación con los métodos típicos de diagnóstico de fallos en rodamientos, el método tiene una mayor precisión de diagnóstico de fallos y una mejor capacidad de generalización en un entorno de fuerte ruido.