Para mejorar la precisión del diagnóstico de fallas en rodamientos, en este artículo se propone un método inteligente de diagnóstico de fallas basado en la Descomposición Modal Variacional (VMD), Entropía de Dispersión Multi-escala Compuesta (CMDE) y Red de Creencias Profundas (DBN) con el algoritmo de Optimización de Enjambre de Partículas (PSO), denominado VMD-CMDE-PSO-DBN. El número de componentes modales descompuestas por VMD se determina por la frecuencia central de observación, se reconstruye de acuerdo con la curtosis, y se calcula la entropía de dispersión multi-escala compuesta de la señal reconstruida para formar las muestras de entrenamiento y prueba de reconocimiento de patrones. Teniendo en cuenta que el ajuste artificial de los parámetros de los nodos de DBN no puede lograr la mejor tasa de reconocimiento, se utiliza PSO para optimizar los parámetros del modelo DBN, y el modelo DBN optimizado se utiliza para identificar fallas. A través de la comparación y análisis experimentales, proponemos que el método VMD-CMDE-PSO-DBN tiene cierto valor de aplicación en el diagnóstico inteligente de fallas.