基于电液伺服阀的动态工作特性提出一种新的特征提取方法.将一类支持向量机用于电液伺服阀的在线异常检测通过交叉有效性估计学习方法优化一类向量机参数并与神经网络的诊断结果进行对比.实验结果表明所提出的特征提取方法能够有效地提取电液伺服阀的动态特征信息同时利用一类支持向量机优良的泛化能力能够有效地对电液伺服阀的异常状态进行识别.