摘要：針對旋轉機械非線性特征提取的問題,提出了廣義分形維數(generalized fractal dimension,簡稱GFD)和核函數主元分析(kernel principal component analysis,簡稱KPCA)的旋轉機械振動特征提取方法。首先,通過廣義分形維數進行初次特征提取,形成高維特征空間;其次,通過核主元分析方法對高維特征空間降維并進行第二次特征提取;最后,利用核主元分析方法和KN近鄰(KNN)方法對轉子和軸承不同狀態下的特征進行了分類。研究表明,GFD-KPCA方法對旋轉機械進行了有效的特征提取,對不同狀態的數據有高精度的分類,對參數選取有較低的依賴性。軸承微弱振動特征提取結果顯示,GFD-KPCA性能優于常規的KPCA特征提取算法,具有更好的精度和適用范圍。