由于旋转设备故障数据样本存在不平衡性,导致传统的LSSVM无法对异常值样本正确分类,为了解决这一问题,首先采用LSSVM从训练集中提取错分样本及其分类的支持向量,再根据各类故障样本数量对惩罚因子进行加权,以减少样本数量不平衡对分类结果的影响;然后根据错分样本到本类边界支持向量的距离,对松弛系数设置不同的权值,使错分的异常值样本分类得以修正。通过煤矿风机故障数据集验证了该算法分类效果明显优于传统的LSSVM方法。它有效地消除了因故障样本数据不平衡、样本分布异常对分类器造成的影响,提高了设备故障诊断