El diagnóstico de fallas de una caja de cambios es crucial para garantizar su operación segura. La entropía se ha convertido en una herramienta común para medir la complejidad de las series temporales. Sin embargo, puede ocurrir un sesgo de entropía cuando los datos no son lo suficientemente largos o cuando la escala se vuelve más grande. Este artículo propone un método de diagnóstico de fallas de caja de cambios basado en la Entropía de Dispersión Inversa Multiescalar Refinada con Desplazamiento en el Tiempo (RTSMRDE), la Embedding Estocástica de Vecinos Distribuidos t (t-SNE) y el Algoritmo de Búsqueda de Gorriones con Máquina de Soporte Vectorial (SSA-SVM). Primero, se utilizó la RTSMRDE propuesta para calcular las características de fallas multiescala. Al incorporar el método de desplazamiento en el tiempo refinado en la Entropía de Dispersión Inversa Multiescalar (MRDE), se pudieron reducir efectivamente los errores que surgieron durante el procesamiento de series temporales complejas. En segundo lugar, se utilizó el algoritmo t-SNE para extraer características sensibles de las características de fallas multiescala y de alta dimensión. Finalmente, la matriz de características de baja dimensión se introdujo en el SSA-SVM para el diagnóstico de fallas. Dos experimentos con cajas de cambios mostraron que el modelo de diagnóstico propuesto en este artículo tenía una tasa de precisión del 100%, y el modelo propuesto tuvo un mejor rendimiento que otros métodos en términos de rendimiento diagnóstico.