该发明涉及一种基于广义复合多尺度加权置换熵和监督等距映射的滚动轴承故障诊断方法复合多尺度加权置换熵和监督等距映射包括以下步骤：不同故障状态下的滚动轴承信号收集；广义复合多尺度加权置换熵算法（GCMWPE）用于提取故障特征，以及滚动轴承是从多个尺度综合构建的；一种新颖的流形学习算法称为监督等距映射（S-Isomap），用于减少高维断层特征的维数，并获得低维断层特征设置利用低维故障特征集对PSO-SVM进行训练，并对训练后的粒子群进行训练将群优化支持向量机PSO-SVM用于轴承故障诊断。该方法解决了滚动轴承故障特征提取困难的问题能有效准确地诊断滚动轴承的各种故障类型。

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。