摘要：为了进一步提高齿轮裂纹故障诊断精度,设计了一种基于KPCA和PSO-SVM方法的齿轮裂纹故障信号诊断方法。对时频域进行特征降维处理时通过主成分分析(PCA)的方式实现高维信号噪声。为了抑制支持向量机(SVM)算法分类精度低问题,引入粒子群算法(PSO)进行加强,并使SVM算法获得更优的核函数。研究结果表明:以SVM-PSO算法进行处理时相对其它算法表现出了更高的精度,能够满足优异的分析性能。以SVM-PSO算法进行处理时的精度最高,能够满足高稳定性要求,所需计算时间也较合适,PSO方法有助于算法分类精度及效率都获得显著提升。样本数对处理时间影响很大,综合判定训练样本数设置1600是相对比较合理的。采用时域特征时会导致分类精度下降,外频域特征相对时域特征可以达到更高的精度。