滚动轴承的工况比较复杂，其振动信号往往呈现非线性、非平稳特性。针对传统基于欧式空间的大部分算法不能充分挖掘出非线性、非平稳信号内部本质信息的问题，提出了基于局部切空间排列算法(LTSA)与马田系统(MTS)相结合的故障诊断方法。该方法首先将滚动轴承振动信号一维时间序列重构到高维相空间，并估计数据的本征维数；然后利用局部切空间排列算法对数据集进行维数约简，得到初始的低维流形结构；接着获取降维后特征向量空间的第一行特征，对其进行快速傅里叶变换(FFT)，从其频谱中分别提取滚动轴承内环、外环的故障特征频率及它们分别对应的二倍频、三倍频和共振频率带处幅值与总频谱幅值之比这7 个变量作为故障特征向量；最后采用马田系统对滚动轴承的故障特征向量进行模式识别：先利用田口方法从故障特征向量中剔除无用特征，再分别以正常工况特征向量训练数据、内环故障特征向量训练数据和外环故障特征向量训练数据构建马田系统基准空间，然后分别计算各测试数据到三个基准空间的马氏距离，距离近者即判为该类故障。对滚动轴承数据的实验分析结果表明，该方法可有效提取非线性信号中的故障特征，实现对滚动轴承的故障诊断，准确率为100％。