变速器运行趋势分析是变速器状态监测与故障诊断中的一个重要内容，根据时间序列信号预测可以通过数据挖掘实现对变速器运行趋势的预测。本文将基于支持向量机的时间序列预测方法应用于变速器的运行状态趋势预测，以实现对变速器运行状态的智能预报。　　 基于支持向量机的时间序列预测模型参数主要采用经验法和交叉验证等方法确定，大大影响了模型的工作效率。本文在分析支持向量机预测模型各参数对其回归效果影响的基础上，将遗传算法引进到支持向量机预测模型参数的优化中，提出了一种基于遗传算法的支持向量回归预测方法。理论研究和仿真分析表明，通过遗传算法优化参数所得的支持向量机预测模型能取得较好的回归和预测效果。　　 利用汽车传动实验台，进行变速器疲劳寿命实验研究，利用传统信号分析处理方法对变速器振动信号进行分析。通过对变速器疲劳实验数据的特征提取，生成代表变速器运行状况的特征值时间序列，将基于遗传算法的支持向量方法应用于该时间序列的预测。试验结果表明，在已知故障信息不足情况下，基于遗传算法的支持向量回归方法能有效地实现对变速器运行趋势的预测。