统计学习理论是机器学习领域的最新进展,它是着重研究有限样本情况下机器学习规律的理论.该理论是建立在结构风险最小化原则基础上的,其核心思想是通过调整经验风险与置信范围之间的折中而实现结构风险最小化.支持向量机和支持向量数据描述是在统计学习理论基础上发展起来的新型机器学习算法.论文应用支持向量机和支持向量数据描述方法解决了机械设备故障诊断的一些典型工程问题.用支持向量机方法解决了机械故障诊断的少样本模式识别问题,包括二分类和多分类.提出了适合机械故障二分类的算法,用滚动轴承的故障诊断对该方法进行了验证分析,并与传统的神经网络方法(包括PB网络和RBF网络)做了对比分析.提出了一种用于机械故障诊断的单值分类新方法——支持向量数据描述法.该方法在只有一类样本作为学习样本,而没有其它类样本的条件下,就可以把非目标样本与目标样本区分开来.将这种方法应用在机械故障诊断和状态监测中,仅仅依靠正常运行时的数据信号,就可以监测机器的运行状态,判别机器的故障情况.这对于关键设备的在线状态监测和状态评估,具有重要的工程应用价值.研究开发了基于支持向量数据描述的单值分类方法.用滚动轴承的振动信号对算法进行了验证.实验结果表明,该方法具有理想的分类能力.