Para resolver el problema de la baja tasa de diagnóstico de fallas débiles tempranas de rodamientos, se propuso un nuevo método de diagnóstico de fallas en rodamientos basado en la Descomposición Modal Variacional (VMD) y la Red Neuronal Convolucional (CNN)-Memoria a Corto y Largo Plazo Bidireccional (BiLSTM). Basado en el algoritmo básico de búsqueda de Gorrión, se utilizaron el mapeo caótico de carpa, el Algoritmo de Optimización de Águila Pescadora y la mutación de Cauchy para mejorar la capacidad de búsqueda global del algoritmo. Para mejorar la precisión del diagnóstico de fallas, se introduce la capa BiLSTM en CNN para preservar al máximo las características globales y locales. Los resultados experimentales muestran que VMD evita el problema del efecto final en la Descomposición Modal Empírica (EMD). La tasa de precisión del modelo de diagnóstico basado en CNN-BILSTM alcanzó el 97,6667%, que fue mayor que la del modelo de diagnóstico común.