大型旋转机械故障诊断的研究对于避免巨额的经济损失和灾难性事故的发生有着重要意义。本论文以支持向量机为理论基础，结合国家自然科学基金项目：“基于独立分量分析的旋转机械故障诊断新方法的研究”(50205025)对智能故障诊断系统进行研究。以旋转机械为研究对象，研究了支持向量机理论和算法及故障诊断模式识别系统，以及基于支持向量机的旋转机械故障模式识别方法，并通过仿真进行验证；设计开发了基于嵌入式系统的振动信号采集器，在LabVIEW和MATLAB平台上构建基于支持向量机的旋转机械故障识别原型系统。全文的主要研究内容如下： 第一章论述了大型旋转机械状态监测和故障诊断的意义；介绍了大型旋转机械故障诊断技术的发展和现状；综述了统计学习理论和支持向量机的理论研究和应用发展。最后给出了本论文的主要研究内容，并给出论文的总体框架。 第二章介绍了统计学习理论的重点内容以及支持向量机算法的主要思想，并将其引入故障诊断领域；提出了一种基于支持向量机的故障模式识别系统结构，介绍了系统各组成部分功能。 第三章阐述了常见旋转机械振动故障机理，研究了支持向量机用于旋转机械故障模式分类问题。分别应用“一对一”、“一对多”和有向无环图三种支持向量机分类算法，对转子实验台故障模拟实验数据进行故障模式识别，结果表明有向无环图法方法更适合解决旋转机械的多类分类问题。 第四章根据旋转机械故障诊断和模式识别系统的要求，设计了基于嵌入式并采用ARM和DSP双核技术的高速、实时振动信号采集系统。分析了整周期采样方法，研制了智能键相电路、振动信号预处理和采集电路；在设计中采用双口RAM来提高数据传输的实时性和安全性，并采用工业以太网实现与上微机的高速通讯，为旋转机械故障特征的提取提供准确、实时的诊断数据。 第五章结合MATLAB和LabVIEW开发平台各自的优势，采用COM组件技术混合编程的方式，实现了一个基于支持向量机故障识别的旋转机械故障诊断原型系统。 第六章总结了全文，给出研究结论，并对以后的工作提出了一些建议和设想。