针对滚动轴承故障诊断中种群分布不均匀及算法早熟收敛问题，提出一种SCNGO-MMPE-VMD的滚动轴承故障诊断方法。首先，利用折射反向学习方法初始化种群，并生成反向解，有效扩大搜索范围；然后，将正余弦算法（SCA）策略引入北方苍鹰优化算法（NGO）勘察阶段，通过非线性加权系数ω动态调节步长搜索因子，降低个体位置更新对局部信息的依赖，显著提高算法收敛速度与精度；最后，构建多尺度均值排列熵（MMPE）与峭度的融合指标作为适应度函数，增强故障特征敏感性。通过对不同的实测信号进行测试，结果表明，在强噪声干扰下，相较传统方法，所提方法可提前300 min（初期故障）和700 min（微弱故障）识别故障特征，验证了其工程实用性。