本发明公开了一种高准确率的滚动轴承智能故障特征选择方法，包括以下步骤：对轴承典型故障的振动信号样本提取高维特征，进行归一化操作后得到初始特征集；进行特征预选，计算出各个特征的综合权重，并进行降序排列，设置阈值，将小于阈值的特征剔除，初步构建敏感特征子集；采用佳点集初始化策略、收敛因子非线性调整策略、高斯变异策略对传统灰狼优化算法进行改进；建立适应度函数，利用改进的灰狼优化算法完成最佳特征子集的搜索并同步优化SVM分类器的参数；利用最优特征子集与最佳参数组合对SVM分类器进行训练与测试，实现高准确率的滚动轴承故障诊断。本发明显著提高了分类器模型的诊断准确率，有效实现了故障数据集的特征降维。