车辆在工作过程中,其机体振动信号与向外辐射的噪声信号可以反映出车辆内部各部件的运转状态。对车辆工作过程中的振动和噪声信号进行分析可以确定其是否存在故障以及故障的位置或类型。这其中,在农业生产领域广泛应用的拖拉机,其零部件外露且外部声场比较强烈,适合做声场测量、分析。因此本文以拖拉机为研究对象,提出一种基于声振分析的拖拉机故障快速检测的方法,实现拖拉机整机装配质量的快速检测。针对当前拖拉机整机故障诊断研究中故障样本缺乏问题,本文运用模式识别的方法将拖拉机的故障诊断问题分为故障检测和故障诊断两个部分,分别为支持向量数据描述的拖拉机故障检测方法及支持向量数据描述与支持向量机结合的拖拉机故障类型识别方法,通过搭建的车辆故障诊断系统采集的拖拉机振动噪声信号对所提方法的可行性进行验证分析。针对拖拉机故障检测中正常拖拉机数据样本较多而故障样本缺乏的问题,提出支持向量数据描述的单分类方法用于拖拉机故障检测。运用支持向量数据描述与鲸鱼参数优化算法,对正常拖拉机数据进行训练搭建超球体故障诊断模型,然后通过样本点是否位于超球体的内部判断该样本点的状态。试验结果表明,运用支持向量数据描述的方法对拖拉机故障检测时,能够利用正常拖拉机数据搭建故障诊断模型对测试样本进行故障的判断,有效的避开了故障类型样本缺乏的情形。在对拖拉机的故障类型判别研究时,由于样本库中故障样本缺乏,直接使用支持向量机的方法会对未知故障类型样本造成误判,导致模型的准确率较低,本文将支持向量数据描述与支持向量机相结合用于故障类型的判别。首先通过支持向量数据描述对测试样本进行判断,甄别其是否属于样本库中的已知样本,然后运用支持向量机对已知故障样本进行具体类型的判别。试验结果表明,将支持向量数据描述与支持向量机结合用于故障类型判别时,能够提高对已知故障类型的诊断准确率,且能够识别出样本库之外的未知故障样本。对于未知故障类型的样本,利用新类识别方法判断是否属于新类型的故障,通过识别的新类型故障样本增加故障类型样本库以及完善故障诊断模型。