針對滑動窗自適應(yīng)核主元分析法KPCA）在處理參數(shù)敏感和緩慢劣化問題時存在的“過適應(yīng)”現(xiàn)象，容易產(chǎn)生漏報的問題，提出了一種分步動態(tài)自回歸KPCA算法。首先，借鑒動態(tài)數(shù)據(jù)矩陣思想，分步建立初始模型；然后，在滑動窗自適應(yīng)KPCA的基礎(chǔ)上，引入指數(shù)加權(quán)法則處理實時數(shù)據(jù)、更新模型；最后，分析算法復(fù)雜度，并給出具體實現(xiàn)步驟。利用模擬數(shù)據(jù)分析分解系數(shù)和加權(quán)因子對算法的影響，結(jié)果表明，與滑動窗自適應(yīng)KPCA相比，所提方法在參數(shù)選擇恰當(dāng)?shù)那闆r下，模型效率提高了近90%，誤報次數(shù)幾乎降為0，還能通過調(diào)整加權(quán)因子取值來控制算法的適應(yīng)能力，以解決多樣化的動態(tài)問題。將算法應(yīng)用于壓縮機喘振和軸承故障實驗數(shù)據(jù)分析，驗證了所提算法處理參數(shù)敏感和緩慢劣化問題的能力。