电力工业的的迅速发展，对电力行业大型发电机组安全运行提出了更高的要求。机组振动故障诊断过程是一项非常复杂的系统工程，涉及到多学科多领域的技术融合，与现场工程实践联系十分密切，这就给故障诊断工作增加挨了难度，因此选择一种有效的诊断方法至关重要。 本文对汽轮发电机组常见的振动故障特征进行了总结分析，将其分为频谱特征、相关性特征和升降速过程的趋势特征，对它们进行预处理后作为故障分类的特征量。 本文介绍了支持向量机的概念和求解过程，重点介绍了用于处理此类问题的非线性软间隔分类机，即C-支持向量分类机，并引入了一种改进的方法：v-支持向量分类机，其参数v具有一些直观上的意义，避免了C-支持向量分类机中参数C没有确切意义的缺点。 在转子实验台上模拟了5类故障，将故障数据在频域和升降速趋势域进行了特增量的提取，形成了故障特征量样本。通过对不平衡和不对中故障样本的两类故障诊断，验证了支持向量机样本数目越少，故障识别率越高的理论，同时表明了v-支持向量分类机参数易选取的优势。采用one-against-one、one-against-rest和决策导向无环图(DDAG)三种多类分类方法对5类故障特征量样本进行了训练和分类，结果表明对多类分类问题one-against-one和DDAG有比较好的分类效果。 最后，根据支持向量机的特点本文用VC++编写了基于支持向量机的故障诊断软件，通过现场故障样本的测试，得到了良好的效果。