在现实生活中以及工农业生产中,不少产品质量的检验检测都是靠人的嗅觉来完成,包括酒类、烟草业、化妆品、饮料等;而人的嗅觉由于本身的结构功能限制,对一些气味的检测存在局限性,不能很好地完成某些气味的辨识。人工嗅觉及电子鼻技术是近年来兴起的一种热门技术,它把传感器阵列、信号处理和模式识别结合在一起,模拟人的嗅觉系统,能够较好地完成气味的辨识工作,在工农业生产中发挥了很大的作用,特别是在装备的故障检测中有很好地应用前景。信号处理和模式识别是人工嗅觉系统的重要组成部分,它起着对气味进行辨识分类的作用。目前国内外在模式识别方面主要采用传统的模式识别方法或几种方法相结合,支持向量机方法在人工嗅觉中,特别是在装备故障检测方面应用还比较少。支持向量机是一种较新的分类和回归算法,在某些方面有很大的优势,包括:能较好地解决小样本学习问题;具有良好的泛化能力;很大程度上可以解决过学习问题和局部极小值问题;很好地解决非线性问题等。因此应用支持向量机对基于人工嗅觉的装备故障数据分析有很大的帮助,可以更好地提取数据中的有用信息,提高装备故障诊断的准确率。为此,本文结合装备故障检测的需求,研究装备故障信号的分析方法,主要内容包括:(1)研究了人工嗅觉在装备故障检测中的背景和意义,详细介绍了人工嗅觉中模式识别方法的研究现状,以及支持向量机的应用研究现状。(2)介绍了主成分分析技术和偏最小二乘法的基本原理和算法步骤,并利用甘草样本对两种方法进行了验证。(3)介绍了支持向量机方法的基本原理和算法步骤,并对提取的甘草样本主成分进行了分类验证,能较好地将三种甘草样本区分开来。(4)利用主成分分析和支持向量机,对油液电子鼻检测分析实验系统采集的柴油和柴油机机油数据进行了分类验证,取得了较好的分类效果。结果表明,在基于人工嗅觉的装备故障检测中,运用主成分分析和支持向量机作为信号分析的方法是有效的,有较好的应用前景。