作为通用机械的往复式压缩机,在重工业领域有着极其重要的地位,往复式压缩机所有故障中气阀故障占总故障数的60%以上,故针对往复式压缩机气阀进行故障诊断具有重要意义与实际价值。本文以安源化工有限责任公司的4M80型多级往复式压缩机为研究对象,经过在现场的实习与调研,根据采集到的设备运行数据与实习经验,分析气阀故障与压力信号变化的联系。本文主要通过对于支持向量机算法理论基础的研究学习与相关背景的了解,总结了支持向量机在机械故障诊断领域的优势所在,最终确定该算法为本课题建立气阀故障诊断模型所用的智能算法。以4M80-22/26-224-BX型新氢压缩机三个压缩级的吸气与排气压力作为诊断模型的输入量,来确定故障的具体部位。最后在MATLAB软件中利用LIBSVM工具箱实现支持向量机算法在气阀故障诊断中的应用,同时引入遗传算法(GA)、交叉验证(CV)、粒子群优化算法(PSO)进行支持向量机的参数优化,以选取的径向基核函数与优化后的最佳参数c和g建立故障诊断模型,并用测试集数据进行准确率验证。仿真实验结果表明,利用遗传算法优化后的相关参数所建立的支持向量机的气阀诊断模型有优异的识别性能。