针对现有滚动轴承故障诊断算法诊断准确度不高的问题，提出了一种基于集合经验模态分解(EEMD)以及全局麻雀群搜索算法(GSSA)优化支持向量机(SVM)的滚动轴承故障诊断方法。所提方法利用EMMD以及能量矩对原始信号进行模态分解与特征提取。为提高诊断精度，提出一种GSSA-SVM算法。首先提出一种对原始麻雀搜索算法(SSA)中的探索粒子更新方式进行全局化改进，以提高其迭代速度与计算精度的GSSA

然后建立GSSA-SVM模型。最后，利用所提算法对实测信号进行诊断分析，验证了所提方法的有效性与优越性。