为准确解析高维信号数据，减少特征选择产生的信息损失，正确评估滚动轴承性能退化状态，提出一种基于梯度自适应修正（gradient adaptive corrected，简称GAC）Logistic回归模型的滚动轴承状态诊断方法，找出了GAC算法的收敛上界。首先，提取轴承检测信号的若干典型特征参量作为模型变量；其次，对信号特征数据进行降噪与归一化处理；最后，在保持数据维度的前提下建立GAC-Logistic回归模型，并对滚动轴承的性能状态进行评估。数据验证结果表明，该方法可提高模型的构建效率和对轴承状态的判定准确率，具有良好的鲁棒性，可有效降低信号随机波动对轴承状态评估产生的影响，GAC-Logistic回归模型的平均拟合正确率和平均验证正确率分别达到了99.08%和98.17%。