摘要： 研究机械故障智能诊断技术可以保障设备安全稳定运行。在工业生产中，很难获得大量带有标签的高质量数据样本，且在采集振动信号时无法规避噪声的影响。基于此，提出一种基于多尺度可扩张卷积和DMWT-Mamba的小样本机械故障诊断模型。首先设计一个可扩张的多尺度卷积块，用于提取振动信号的多个局部感受野特征，减少学习的参数和计算量。其次将离散多小波变换(Discrete Multi-wavelet Transform，DMWT)与Mamba相结合，能够动态选择重要的时间步长信息，忽略不相关的噪声干扰，在各个频带分量中提取关键信息并使特征充分融合，从而增强模型的抗干扰性能和在小样本条件的特征提取能力。最后使用两组机械故障数据集进行实验，实验结果表明该模型能够有效提高小样本下的故障诊断准确率，且具有较强的抗干扰能力。

关键词: 故障诊断, 小样本, 离散多小波, Mamba, 多尺度卷积