/液压系统是飞机最重要的系统之一，作用于飞机起落架收放、刹车及舵面操纵等关键部位，在飞行及着陆阶段使用频繁，并且对飞机的操纵性和安全性影响很大，飞机上机械设备故障的发生半数以上都与液压系统有关。因此为了保障飞机液压系统的可靠性和安全性，必须对飞机液压部件进行实时故障检测和诊断，以便及时发现故障，并进行有效处理。
目前液压系统的故障诊断方法从基于信号分析方法向基于人工智能的方法迅速发展，支持向量机( Support Vector Machine，SVM) 作为一种结构风险最小化的机器训练和模式识别方法，在样本非线性和高维模式识别方面有独特优势，具有直观的几何解释和良好的泛化能力，已经成功应用于分类、模式识别等问题［2］，如机械故障诊断、图像识别等。但是如果缺少了对样本有效的特征选择，支持向量机在分类时往往会出现训练时间过长以及较低的分类准确率，这恰恰是由于支持向量机无法利用混乱的样本分类信息而引起的，因此选择有效的特征向量作为支持向量机的学习样本是影响SVM 分类性能的重要因素。
