本文以支持向量机和盲数理论为基础，在基于遗传算法的支持向量机(SVM)参数优化、基于小波多分辨率的分解、基于小波包的能量特征提取和盲数理论在故障诊断中的建模及应用等方面进行了较为系统、深入的研究。 文章提出了一种自适应遗传算法(AGA)，自适应遗传算法采用实数编码技术，从交叉算子、变异算子和终止判据三个方面进行了改进，增强了遗传算法克服早熟的能力和全局寻优的能力。在此基础上，提出了一种基于自适应遗传算法的支持向量机参数和嵌入维数联合优化的状态预测方法。结合小波理论(WT)优良的时频局部化特性、支持向量机在小样本情况下出色的学习性能和良好的推广特性以及遗传算法有全局优化能力的优势，建立了WT-AGA-LSSVM混合智能预测和WP-AGA-LSSVM混合智能诊断模型。应用结果验证了模型的有效性和优越性。通过分析故障诊断中的不确定性及处理方法，阐述了采用盲数来描述和处理故障诊断中不确定性信息的可行性和合理性。编写了盲数运算程序，并对存在的一些问题提出了处理技巧。在此基础上，建立了基于盲数的故障诊断模型。研究结果表明模型是有效和正确的，解决了诊断信息的多种不确定性问题。