目錄前言第1章 緒論11.1 故障診斷與狀態監測的發展概況11.1.1 基于信號處理的故障特征提取技術21.1.2 基于數據驅動的智能診斷技術51.2 稀疏理論及稀疏診斷的發展概況61.2.1 基于稀疏表示字典的特征辨識71.2.2 基于稀疏正則項的特征辨識91.2.3 基于稀疏鑒別分析的故障辨識101.3 本書內容11參考文獻13第2章 稀疏表示基本理論192.1 稀疏表示理論192.1.1 信號稀疏性定義192.1.2 正則化項約束與稀疏表示模型192.2 稀疏表示字典構造222.2.1 解析字典構造232.2.2 學習字典構造242.3 稀疏信號恢復算法252.3.1 貪婪算法262.3.2 凸優化算法27參考文獻29第3章 結構化稀疏學習診斷理論303.1 結構化稀疏學習診斷核心要素333.1.1 結構化正則描述333.1.2 稀疏表征系統學習343.2 結構化稀疏學習診斷建模和優化求解363.2.1 結構化稀疏學習診斷模型363.2.2 模型解空間結構393.2.3 廣義塊坐標優化求解框架413.3 結構化稀疏學習診斷理論實例分析483.3.1 頻域稀疏表征吸引子設計513.3.2 層級稀疏學習診斷模型573.3.3 SpaEIAD求解器593.3.4 統計分析62參考文獻68第4章 加權稀疏分解714.1 加權稀疏分解建模原理724.1.1 經典稀疏分解原理724.1.2 加權稀疏分解原理734.2 稀疏表示字典754.2.1 構造仿真信號764.2.2 故障特征稀疏先驗774.2.3 調Q小波字典構造784.3 權系數矩陣吸引子設計804.3.1 故障特征統計指標先驗814.3.2 權系數矩陣吸引子834.4 模型優化求解854.4.1 加權ADMM算法854.4.2 算法復雜度分析874.5 加權稀疏分解仿真分析884.6 航空軸承振動信號實