摘要： 相对于特征层和决策层融合，数据层融合可以充分保留数据中的原始诊断信息，从而为后续故障诊断奠定基础。为此，提出一种基于双通道数据主振动特征提取的水电机组轴系故障诊断方法。该方法首先利用主成分分析（Principal Component Analysis，PCA）对轴系双通道时域振动信号进行数据层融合，得到最大振动强度方向上的合成振动（简称主振动）；随后，对主振动进行特征提取，再利用支持向量机（Support Vector Machine，SVM）进行分类，从而实现故障诊断。利用转子台数据对所提方法进行验证。结果表明，与直接利用单通道进行诊断或通过双通道进行特征层融合诊断相比，所提方法可以消除主振动方向变化带来的影响，提升类内聚类和类间分离的效果，最终提高故障诊断的准确率。

关键词: 故障诊断, 水电机组, 数据层融合, 主成分分析, 支持向量机