本文针对支持向量机在电厂轴系振动故障诊断应用中的问题，从特征选择、有偏样本、分类器的模糊决策、分类器的训练算法等几个方面进行了系统的研究。具体内容如下：1、提出了线性相关系数的支持向量机特征选择方法。在UCi和冲发发动机进气道不起动判断的数值实验中表明此法能获得很好的性能。2、对支持向量机的有偏样本问题进行了研究。该方法略微牺牲了大样本的分类精度，大大提高了小样本的分类精度，从而使决策结果更加可用。3、对支持向量机的模糊决策进行了研究。首先分析了两类问题，直接利用距离，在没有先验知识的情况下，用S型的隶属度曲线来计算隶属度值。对于多类问题，细致的分析了边界区域，按照分类精度会存在很大的差异，将其分为完全可分区域，正间隔区域和不可分区域并通过隶属度来表征位置。4、将现广泛采用的序贯最小优化算法拓展到新模糊支持向量机模型，得出了更一般的推导公式。最后，将这个改进技术应用到轴系振动故障诊断中，做了相关实验分析。实验展示这些方法的有用性和有效性。