本文的主要研究目标是针对大型重载液压驱动六足机器人单腿构建机械损伤检测系统。根据该研究目标,本文完成的主要内容如下:(1)对机器学习问题和SVM方法等进行了探讨和分析。主要研究了SVM的分类和回归问题。(2)根据实验数据小样本、非线性、高维度等特点,在查阅国内外大量技术资料的基础上,提出了一套基于SVM的大型重载液压六足机器人单腿的机械损伤检测方案。针对RBF-SVM模型参数之间的相互约束关系,得到参数组合的“好区”,缩小参数优化范围;结合分类和回归模型参数优劣的评价方式,分析了关键参数对模式识别和回归拟合精度的影响,结合GS方法,提出了基于“好区”的改进GS变步长多次搜索方法。最后以计算机模拟技术和数字信号处理技术为主要手段,验证了使用振动试验采集数据并用SVM方法进行模式识别方法的有效性和适用性。(3)根据该六足机器人工作环境的特点,分析其腿部主要机械损伤模式,针对其典型结构和各种损伤模式建立三维模型并得到测试样本数据。将SVM方法和改进的参数寻优方法分别运用于机械损伤诊断、损伤模式识别及损伤定位实验中,分析数据预处理、不同核函数类型和不同参数寻优方法对测试结果的影响,并与神经网络的分析结果进行对比,验证本文方法的有效性。