为了解决奇异值分解(SVD)对不同信号分解的有效奇异值个数不同,而影响故障识别准确性的难题,提出了基于二次SVD和最小二乘支持向量机(LS-SVM)的故障诊断方法。该方法利用奇异值曲率谱自适应选择有效奇异值重构信号,进行二次SVD处理,获得相同个数的正交分量,求解其能量熵,并构造故障特征向量,用于LS-SVM分类模型故障识别。将该方法应用于轴承故障诊断,与利用特定个数的主奇异值作为特征向量的方法相比,准确度提高了13.34%,表明了该方法的可行性和有效性。