本发明提供一种基于振动孪生与极限学习的滚动轴承智能故障诊断方法，涉及工业故障诊断技术领域。针对滚动轴承振动信号，首先提取时域特征构建时域特征集合，然后从时域特征集合中选择最优时域特征子集以生成滚动轴承振动孪生模型，将滚动轴承振动信号转化为特征向量；选择极限学习机作为分类器，将振动信号的特征向量作为输入，使用伪随机序列来代替极限学习机中的随机输入权重矩阵，同时省略极限学习机的偏置向量，得到改进的极限学习机，实现对滚动轴承的故障诊断；在相同的诊断环境下，输入权重矩阵只需生成一次，在后续诊断中可反复使用。该方法采用振动孪生与极限学习相结合的方法，在保证准确性的前提下，提升了诊断速度。