针对滚动轴承故障诊断中故障特征难提取与极限学习机稳定性、泛化能力差,致使故障辨识精度差的问题,提出了一种基于ITD(Intrinsic Time-scale Decomposition)能量特征与KELM的滚动轴承故障诊断方法。首先将采集到的滚动轴承故障信号进行ITD分析得到一系列蕴含有信号瞬时频率的固有旋转分量;然后,提取分解后与原信号相关程度较大固有旋转分量的能量特征;最后,建立核极限学习机的滚动轴承故障分类模型,并将所得能量特征向量矩阵作为K-ELM模型的输入进行故障模式辨识。试验结果表明:与基于ITD-SVM,ITD-ELM,EMD-K-ELM的故障诊断方法相比,ITD-K-ELM方法