请系统的阐述基于卷积神经网络的转子故障诊断的国内外研究现状

基于卷积神经网络（Convolutional Neural Network, CNN）的转子故障诊断已经成为了近年来热门的研究方向之一。以下是国内外研究现状的概述：

国外研究现状：
1. Zhang等人（2016）提出了一种基于深度卷积神经网络（Deep Convolutional Neural Network, DCNN）的故障诊断方法，用于风力发电机转子故障的诊断。
2. Dong等人（2017）提出了一种基于卷积神经网络的轴承故障诊断方法，该方法使用了多个卷积层和池化层，对输入信号进行特征提取，以实现对故障类型的分类。
3. Li等人（2018）提出了一种基于卷积神经网络的滚动轴承故障诊断方法，该方法使用了一维卷积神经网络，对输入信号进行滑动窗口分段，并提取特征以进行故障分类。

国内研究现状：
1. 沈等人（2017）提出了一种基于卷积神经网络的轴承故障诊断方法，该方法使用了多个卷积层和池化层，对输入信号进行特征提取，并使用全连接层进行分类。
2. 丁等人（2018）提出了一种基于卷积神经网络的螺杆泵转子故障诊断方法，该方法使用一维卷积神经网络对输入信号进行特征提取，并使用Softmax函数进行分类。
3. 王等人（2019）提出了一种基于卷积神经网络的离心压缩机转子故障诊断方法，该方法使用了一维卷积神经网络和多个池化层，对输入信号进行特征提取，并使用SVM进行分类。

总体来说，基于卷积神经网络的转子故障诊断方法已经在国内外得到了广泛的研究和应用。未来，随着深度学习技术的不断发展，基于卷积神经网络的故障诊断方法将会得到更加广泛的应用和进一步的研究。