液压减振器作为汽车悬架系统中的关键部件,需要通过测试来了解其工作性能。目前对于减振器缺陷的识别都是先通过示功机测试得到示功图,再经由人工查看的方式进行判断,此种方式效率低下、受影响因素多。本文讨论了如何利用支持向量机技术,使示功机具备自动识别减振器缺陷类型的功能。本文的主要工作和成果如下：(1)以简式液压减振器为研究对象,电伺服正弦示功机为平台,分析了示功图典型缺陷类型及形成原理。数据来源于应用该示功机的多个工业用户,将示功图进行了统一预处理,再根据示功图特点选取不变矩作为特征提取方式,建立了示功图缺陷样本库。(2)深入讨论了统计学习理论与支持向量机的理论基础。重点为学习机器的VC维,推广性的界,结构风险最小化,线性与非线性支持向量机,支持向量机核函数以及常用的多分类算法等理论。(3)研究了LibSVM工具箱实现支持向量机分类的过程,主要为数据准备、训练、建模与识别的方法。对8类共534组典型示功图样本分别进行关于归一化方式、核函数选择以及参数优化的实验,最终选取[0,1]归一化、RBF核函数与经过交叉验证得到的优化参数,最高整体识别率达到97%以上。(4)实验过程及结果表明,特征提取方式、归一化方式、核函数种类以及模型参数的优化,对基于支持向量机的示功图缺陷自动识别模型的性能起到了至关重要的影响。本文研究表明,将支持向量机理论运用到减振器缺陷自动识别的工作中是可行的,且具有较高的识别能力。加载了此项功能的正弦示功机能够辅助甚至代替人工识别的工作,有望在车辆减振器工业在线检测领域取得广泛应用。