为弥补轴承套圈内圆切入磨颤振在早期识别中的特征量选取和智能算法模型方面的不足，提出了基于均方频率和能量熵结合人工蜂群（artifical bee colony，简称ABC）优化支持向量机（support vector machine，简称SVM）的方法。首先，将轴承套圈内圆切入磨过程中的声发射、振动信号通过提取特征方法，获得能量熵、时域参数、能量占比和均方频率4个特征参数；其次，将4个特征参数两两组成特征向量导入SVM，利用准确度、Kappa系数和混淆矩阵分析结果；最后，将均方频率和能量熵导入不同智能算法进行监测分析。结果表明，均方频率和能量熵组成的特征向量对轴承套圈内圆切入磨早期颤振识别效果最优，同时结合ABC-SVM，识别效果可达100%，为在线监测轴承套圈内圆切入磨早期颤振提供了有效方法。