摘要：針對相關向量機(RVM)在電機軸承故障識別中的性能受參數選擇影響較大的問題,提出了基于反向認知果蠅優化算法(RCFOA)優化RVM的電機軸承故障診斷方法。為提高FOA算法的尋優能力,引入反向學習策略,對原始果蠅優化算法進行了改進。利用RCFOA進行RVM參數的優化,可以有效地提高RVM的分類性能。電機軸承不同類型、不同程度故障診斷的實例表明,RCFOA算法能夠獲得更優的參數,提高了RVM的故障診斷準確率,相比于其他一些方法更有優勢,可有效應用于故障診斷。