本发明涉及一种基于故障特征融合的轴承健康监测方法，包括：通过N个加速度传感器采集轴承运行过程中的振动信号；提取振动信号的特征获得N个原始特征集；将N个原始特征集分别输入N个多测度分层模型，经特征筛选获得最佳特征子集与对应的敏感度权重矩阵；通过神经网络训练最佳特征子集，重构敏感度权重矩阵；利用WKPCA算法将各最佳特征子集进行加权融合并输入神经网络进行模型训练；提取待检测的轴承故障特征数据并输入到训练好的神经网络模型中，根据输出结果判断轴承的故障状态。本发明通过振动信号的筛选与融合，降低了特征的冗余性，提高了轴承故障诊断的精度和稳定性。