摘要： 为了提高滚动轴承故障诊断精度，提出一种基于偏心线性判别分析（Eccentric Linear Discriminant Analysis，ELDA）降维算法与经海洋捕食者算法（Marine Predators Algorithm，MPA）优化的支持向量机（Support Vector Machine，SVM）相结合的滚动轴承故障诊断方法。首先对轴承信号应用时域和频域分析方法构建高维特征集，其次应用自适应最大似然估计方法（Adaptive Maximum Likelihood Estimation，AMLE）进行固有维度估计，利用ELDA算法进行二次特征提取，充分挖掘敏感特征，降低冗余特征对故障诊断的影响；最后将低维敏感可分矩阵输入到MPA-SVM分类器中识别故障类型。实验分析表明，所提方法能有效缩短训练时长并提高诊断准确率。

关键词: 故障诊断, 滚动轴承, 特征降维, 海洋捕食者算法, 支持向量机