本书从稀疏诊断的角度出发，针对现有特征辨识技术中匹配滤波策略和智能学习策略的不足，介绍结构化稀疏学习诊断理论的基本原理与核心技术；通过从一维结构化稀疏过渡到二维结构化稀疏，建立一系列具体的结构化稀疏学习诊断模型，实现不同问题的有效诊断；并结合风电装备齿轮箱特征辨识和航空发动机齿轮毂裂纹诊断两个案例，证明所阐述的结构化稀疏学习诊断理论的可行性。本书既介绍稀疏表示的基本概念，又阐述结构化稀疏学习诊断的基本理论，并且将方法应用到实际工程中进行故障诊断分析。
本书适合高等院校机械工程专业师生参考，也适合故障诊断工程师和技术指导人员阅读。

前言
第1章 绪论
1.1 故障诊断与状态监测的发展概况
1.1.1 基于信号处理的故障特征提取技术
1.1.2 基于数据驱动的智能诊断技术
1.2 稀疏理论及稀疏诊断的发展概况
1.2.1 基于稀疏表示字典的特征辨识
1.2.2 基于稀疏正则项的特征辨识
1.2.3 基于稀疏鉴别分析的故障辨识
1.3 本书内容
参考文献
第2章 稀疏表示基本理论
2.1 稀疏表示理论
2.1.1 信号稀疏性定义
2.1.2 正则化项约束与稀疏表示模型
2.2 稀疏表示字典构造
2.2.1 解析字典构造
2.2.2 学习字典构造
2.3 稀疏信号恢复算法
2.3.1 贪婪算法
2.3.2 凸优化算法
参考文献
第3章 结构化稀疏学习诊断理论
3.1 结构化稀疏学习诊断核心要素
3.1.1 结构化正则描述
3.1.2 稀疏表征系统学习
3.2 结构化稀疏学习诊断建模和优化求解
3.2.1 结构化稀疏学习诊断模型
3.2.2 模型解空间结构
3.2.3 广义块坐标优化求解框架
3.3 结构化稀疏学习诊断理论实例分析
3.3.1 频域稀疏表征吸引子设计
3.3.2 层级稀疏学习诊断模型
3.3.3 SpaEIAD求解器
3.3.4 统计分析
参考文献
第4章 加权稀疏分解
4.1 加权稀疏分解建模原理
4.1.1 经典稀疏分解原理
4.1.2 加权稀疏分解原理
4.2 稀疏表示字典
4.2.1 构造仿真信号
4.2.2 故障特征稀疏先验
4.2.3 调Q小波字典构造
4.3 权系数矩阵吸引子设计
4.3.1 故障特征统计指标先验
4.3.2 权系数矩阵吸引子
4.4 模型优化求解
4.4.1 加权ADMM算法
4.4.2 算法复杂度分析
4.5 加权稀疏分解仿真分析
4.6 航空轴承振动信号实例分析
参考文献
第5章 非负有界卷积稀疏结构
5.1 非负有界卷积稀疏结构建模和优化求解
5.1.1 非负有界稀疏结构先验
5.1.2 非负有界卷积稀疏学习模型
5.1.3 NBConvSLM求解算法
5.2 非负有界卷积稀疏结构仿真分析
5.3 CWRU轴承振动信号实例分析
参考文献
第6章 非局部相似结构
6.1 大DN值航空轴承响应分析及诊断研究现状
6.1.1 大DN值航空轴承动态响应特性分析
6.1.2 大DN值航空轴承诊断研究现状
6.2 非局部相似结构稀疏学习原理
6.3 非局部相似结构稀疏正则
6.3.1 非局部相似先验
6.3.2 非局部平均估计
6.3.3 非局部相似正则化项建立
6.4 稀疏聚类学习字典
6.4.1 K均值聚类
6.4.2 稀疏聚类字典学习
6.5 非局部相似结构稀疏学习模型及其优化求解
6.5.1 块坐标下降优化算法
6.5.2 正则化参数自适应估计策略
6.6 非局部相似结构稀疏学习仿真分析
6.7 大DN值轴承振动信号实例分析
参考文献
第7章 自相似加权稀疏秩结构
7.1 自相似加权稀疏秩结构正则建模和优化求解
7.1.1 秩空间设计
7.1.2 自相似结构稀疏秩描述
7.1.3 加权稀疏秩正则模型
7.1.4 块坐标优化求解算法
7.2 自相似加权稀疏秩结构模型参数分析
7.3 SQI电机振动信号实例分析
参考文献
第8章 广义协同稀疏结构
8.1 协同稀疏结构学习建模和优化求解
8.1.1 广义协同稀疏原理
8.1.2 行稀疏正则描述
8.1.3 广义协同稀疏模型
8.1.4 块邻近梯度下降求解算法
8.2 齿轮箱振动信号实例分析
8.2.1 广义协同稀疏结构模型参数分析
8.2.2 CSLM算法性能分析
参考文献
第9章 工程应用实例
9.1 风电装备齿轮箱特征辨识
9.1.1 风电装备描述和初级分析
9.1.2 结构化稀疏特征辨识策略
9.1.3 微弱特征解耦增强
9.1.4 传递路径解卷辨识
9.1.5 诊断结论和建议
9.2 航空发动机齿轮毂裂纹诊断
9.2.1 问题描述
9.2.2 协同稀疏分类技术
9.2.3 测试系统搭建及信号初步分析
9.2.4 齿轮毂裂纹故障的协同稀疏鉴别技术
9.2.5 CSC算法性能分析
参考文献