核主元分析（KPCA）是一种有效的非线性特征提取方法但其缺点是对样本中的野点比较敏感.为了消除野点对KPCA算法的影响介绍一种鲁棒KPCA算法通过修改特征空间中映射样本的最小重构误差表达式并预先定义训练样本集中的野点数目实现了在特征空间剔除野点的目的.将改进后的鲁棒KPCA算法应用于齿轮泵故障特征提取试验结果表明：该算法的抗噪性比经典KPCA算法明显增强能有效区分齿轮泵的不同故障模式.