机械结构化稀疏学习诊断理论与应用

目录前言第1章 绪论11.1 故障诊断与状态监测的发展概况11.1.1 基于信号处理的故障特征提取技术21.1.2 基于数据驱动的智能诊断技术51.2 稀疏理论及稀疏诊断的发展概况61.2.1 基于稀疏表示字典的特征辨识71.2.2 基于稀疏正则项的特征辨识91.2.3 基于稀疏鉴别分析的故障辨识101.3 本书内容11参考文献13第2章 稀疏表示基本理论192.1 稀疏表示理论192.1.1 信号稀疏性定义192.1.2 正则化项约束与稀疏表示模型192.2 稀疏表示字典构造222.2.1 解析字典构造232.2.2 学习字典构造242.3 稀疏信号恢复算法252.3.1 贪婪算法262.3.2 凸优化算法27参考文献29第3章 结构化稀疏学习诊断理论303.1 结构化稀疏学习诊断核心要素333.1.1 结构化正则描述333.1.2 稀疏表征系统学习343.2 结构化稀疏学习诊断建模和优化求解363.2.1 结构化稀疏学习诊断模型363.2.2 模型解空间结构393.2.3 广义块坐标优化求解框架413.3 结构化稀疏学习诊断理论实例分析483.3.1 频域稀疏表征吸引子设计513.3.2 层级稀疏学习诊断模型573.3.3 SpaEIAD求解器593.3.4 统计分析62参考文献68第4章 加权稀疏分解714.1 加权稀疏分解建模原理724.1.1 经典稀疏分解原理724.1.2 加权稀疏分解原理734.2 稀疏表示字典754.2.1 构造仿真信号764.2.2 故障特征稀疏先验774.2.3 调Q小波字典构造784.3 权系数矩阵吸引子设计804.3.1 故障特征统计指标先验814.3.2 权系数矩阵吸引子834.4 模型优化求解854.4.1 加权ADMM算法854.4.2 算法复杂度分析874.5 加权稀疏分解仿真分析884.6 航空轴承振动信号实