Los métodos de diagnóstico de fallas suelen ser sensibles a los valores atípicos y es difícil obtener y equilibrar la información discriminante global y local, lo que lleva a una mala separación entre las clases de características discriminantes de baja dimensión. Para este problema, proponemos un algoritmo de proyección discriminante de balance estructural basado en la representación de Euler (ESBDP) para el diagnóstico de fallas en máquinas rotativas. Primero, el método mapea las características de falla de alta dimensión en el espacio de representación de Euler a través de la métrica coseno para expandir las diferencias entre muestras de falla heterogéneas mientras se reduce el impacto de los valores atípicos. Luego, se construyen cuatro funciones objetivo con diferente información estructural y de clase en este espacio. Sobre la base de la minería completa de la información de la estructura geométrica de los datos de falla, se mejora aún más la agregación intra-clase local y la separabilidad inter-clase global de las características discriminativas de baja dimensión. Finalmente, proporcionamos una estrategia de balance adaptativa para construir un modelo de optimización unificado de ESBDP, que logra el equilibrio elástico entre las características globales y locales en el subespacio de proyección. Se explora el rendimiento de diagnóstico del algoritmo ESBDP mediante dos casos de fallas en maquinaria de rodamientos y cajas de engranajes. Resultados experimentales alentadores muestran que el algoritmo puede capturar características discriminativas de falla efectivas y puede mejorar la precisión del diagnóstico de fallas.