该发明涉及一种基于GRCMSE的滚动轴承故障诊断方法和流形学习，包括以下步骤：使用加速度传感器采集滚动轴承的振动加速度信号。使用GRCMSE算法提取振动加速度信号的特征。使用DDMA流形学习滚动轴承故障特征信息的降维方法，以及将滚动轴承故障特征信息的降维分解为训练样本的低维特征集和测试的低维特征集按比例取样。根据低维特征训练PSO-SVM分类器对训练样本进行特征提取，得到经过训练的PSO-SVM分类器。输入将测试样本的低维特征集输入经过训练的PSO-SVM分类器，并诊断故障类型。该发明克服了传统方法中粗粒化的缺点多尺度样本熵，解决了信息冗余问题高维故障特征，能有效诊断不同状态类型的轧制方位。

该项目成果成长性、未来市场前景：该项目成长性良好，具有广阔的市场应用前景。