本发明为一种变工况下的滚动轴承故障诊断方法，利用Hilbert-Huang变换提取信号的特征向量，对信号EMD分解得到若干IMF，选取有用的IMF分别进行Hilbert变换，得到解析信号Hi(t)，并对其取各自包络组成特征向量w；然后利用奇异值分解法对w进行奇异值分解，将奇异值矩阵作为最终故障特征向量。将滚动轴承四种模式下的奇异值矩阵作为输入，将四种模式对应的四种矩阵作为输出，训练Elman神经网络。当滚动轴承发生故障时，通过训练好的Elman神经网络对t时刻信号的分析判断，可判断滚动轴承是否出现故障并准确定位发生故障的方位。本发明能有效地完成变工况下的滚动轴承故障模式的分类，且保持较高精度。