本公开涉及一种稀疏紧框架字典学习模型的多故障辨识方法与装置

所述方法在传统稀疏字典学习的过程中加入紧框架约束，将不同结构化的故障特征信息自适应地分解到一系列子空间中，并利用分析稀疏追踪算法消除大部分的高斯白噪声，然后利用故障动力学的物理先验，研究并设计出一组故障敏感性指标集，并通过最优子空间匹配技术实现复合故障信号的解耦，最后通过谱分析方法，识别复合故障模式

所述方法及装置方便且有效地实现多源特征子空间的解耦、以及多故障模式的辨识，对机械系统的核心组件维护和检修计划的安排调整给出指导性建议