多分类器融合能有效集成多种分类算法的优势，实现优势互补，提高智能诊断模型的稳健性和诊断精度。但在利用多数投票法构建多分类器融合决策系统时，要求成员分类器数目多于要识别的设备状态数，否则会出现无法融合的情况。针对此问题，提出了一种基于二叉树的多分类器融合算法，利用二叉树将多类分类问题转化为多个二值分类问题，从而各个节点上的成员分类器个数只要大于2即可，有效避免了成员分类器数目不足的问题。实验结果表明，相比单一分类器的诊断方法，该方法能有效地实现滚动轴承故障智能诊断，并具有对各神经网络初始值不敏感、识别率高且稳定等优势。