为提高滚动轴承故障诊断率，提出一种基于三域特征提取和鲸鱼算法优化极限学习机(WOA-ELM)的滚动轴承故障诊断方法。首先，分别对滚动轴承的振动信号进行时域分析、频谱分析和小波包分解，构成故障特征向量集；其次，为避免维度过高影响后续模型诊断效率，应用流形学习中的局部保留投影对特征向量集进行降维并剔除冗余特征，获得对故障信息更具针对性的特征向量集；为解决极限学习机易陷入局部最优的问题，引入鲸鱼算法对极限学习机网络参数进行迭代寻优，提高ELM网络性能；最后，建立鲸鱼算法优化极限学习机的滚动轴承诊断模型，对故障进行分类和诊断。采用美国凯斯西储大学轴承数据对WOA-ELM进行训练和测试，实验结果表明，该方法能有效提高滚动轴承故障诊断率。