旋转机械被广泛地应用于汽轮机、涡轮机、发电机、燃气轮机、压缩机、风机、航空发动机等各种机械设备中。当前,随着旋转机械设备结构复杂程度的提高,设备与设备之间的联系也越来越紧密,使发生的故障也越来越复杂,同一时刻出现的故障可能不是单一的某一种故障,而是两种或是更多的耦合故障。因此,针对旋转机械进行耦合故障诊断,对保证旋转设备经济安全运行具有十分重要的意义。本文根据支持向量回归机理论,提出了基于SVR的耦合故障诊断方法。该方法首先由各类典型的单一故障建立典型样本数据库,然后利用这些典型单一故障通过SVR非线性算法拟合待诊断样本,将会得到各个典型故障样本对应的权重系数,最后根据这些权重系数判断待测样本存在各种故障的比重,即该状态下发生的故障,并利用仿真信号验证了方法的可行性。其次,针对故障特征提取问题进行研究,提出了基于EEMD和排列组合熵结合的特征提取方法。利用转子振动实验台模拟的故障数据作为研究对象提取特征向量,通过计算特征向量构成的空间中各类故障之间的形心距和平均半径和来判断不同类别故障的区分程度。并与样本熵和能量方法对比分析,显示出了该方法的优越性。最后,利用Bently-RK4转子振动实验台模拟了质量不平衡?动静碰摩、转子不对中?动静碰摩和油膜涡动?动静碰摩三种不同的耦合故障,利用EEMD排列组合熵提取特征向量,输入SVR耦合故障诊断模型进行训练和诊断,通过分析得到的权重系数实现了耦合故障的诊断。同时对单一故障进行诊断,也取得了良好的诊断效果。