Los rodamientos son componentes de soporte importantes de máquinas rotativas en procesos industriales; las fallas de los rodamientos provocarán el deterioro de las condiciones de operación de las máquinas rotativas. Cómo extraer de manera efectiva las características de falla e identificar los modos de falla de los rodamientos de manera rápida y precisa se ha convertido en un tema clave para la operación segura de las máquinas rotativas. En este artículo, se propone un nuevo método híbrido de diagnóstico de fallas de un clasificador de bosques aleatorios optimizado. En primer lugar, las señales de vibración originales se descomponen mediante descomposición de modo variacional recursiva (RVMD), y se extraen las características típicas del dominio tiempo-frecuencia de las señales descompuestas a diferentes escalas. Se utiliza el método de clasificación Relief-F para evaluar la calidad de las características del dominio tiempo-frecuencia, y se seleccionan las características mejor clasificadas con alta ganancia de peso para identificar los modos de falla. Luego, se propone un algoritmo mejorado de colonia de abejas basado en el criterio de cruce binario simulado, que se utiliza para optimizar los parámetros clave de los bosques aleatorios (RF). Finalmente, se realizan varios experimentos en el conjunto de datos de rodamientos de la Universidad Case Western Reserve y en el conjunto de datos recopilado de nuestro banco de pruebas de fallas de rodamientos. Los resultados experimentales muestran que el método propuesto puede identificar con precisión las fallas de los rodamientos y superar a otros métodos de última generación.