当今科学技术迅猛发展,大型旋转机械正面向大型、复杂、智能的方向发展,对旋转机械进行状态监测和故障诊断受到越来越多的重视,智能故障诊断技术也逐渐发展起来。支持向量机是一种基于统计学习理论的新兴的机器学习理论,可以有效地解决小样本故障分类问题,所以将支持向量机引入到旋转机械故障诊断技术领域中,可以方便有效地对故障进行诊断。对大型旋转机械进行智能故障诊断的研究,对避免巨大的经济损失和严重的伤亡事故具有重大的意义。本论文主要以支持向量机理论算法为研究方法,针对智能故障诊断技术进行了详细的实验研究。面向大型旋转机械,文中详细研究了支持向量机的理论算法和故障诊断模式识别方法,设计了以Lab VIEW和MATLAB为软件开发平台的基于支持向量机的旋转机械故障诊断系统。主要研究内容如下:本论文对大型旋转故障诊断技术的应用与发展现状做了详细的介绍,深入研究了统计学习理论与支持向量机理论方法,综述了支持向量机的发展现状与支持向量机在故障诊断技术中的研究发展。为支持向量机应用于旋转机械故障诊断研究奠定了很好的基础。以Lab VIEW和MATLAB为软件开发平台,结合硬件系统设计了一套集旋转机械振动测试与故障诊断于一体的智能系统,系统包括:数据采集、数据处理、信号分析、数据管理、特征提取以及故障识别等模块。系统中可以有效对数据进行采集处理,并且对振动信号进行时频分析,利用小波包分析方法,对采集到的振动信号进行小波包分解重构,将得到的小波包能量值作为特征向量输入到基于支持向量机的模式识别模块,建立支持向量机训练模型,实现旋转机械的故障识别。通过现场测得的大量旋转机械振动数据,对基于支持向量机的旋转机械振动故障诊断系统进行实验验证,通过大量的实验来优化支持向量机的参数和改善系统的设计,从而完善整个故障诊断系统,实现基于支持向量机的振动故障分类,从而达到尽早发现旋转机械故障的目的。