稀疏贝叶斯学习算法

免调参抗干扰

通过新的分类概率模型与截断可行域，该算法在复合轴承故障诊断中有效抑制能量泄漏，避免了传统方法的l1范数近似与人工参数选择问题。

Zheng, Cao · 戴继生 · 徐维超 · 常春起

IEEE Transactions on Industrial Informatics 2023

技术优势

抑制能量泄漏

通过截断可行域的分类概率模型，只保留真实故障分量，大幅减少能量泄漏效应。

应用场景

• 轴承故障诊断：同时分离复合故障中的多个冲击分量，避免逐个诊断。
• 旋转机械状态监测：无需针对特定设备调参，可直接部署到不同旋转机械监测系统。
• 振动信号处理：用概率模型替代 l1 范数近似，提升稀疏信号恢复精度。
• 工业设备预测性维护：鲁棒且自动化的故障诊断支持实时预测性维护决策。
• 边缘计算故障诊断：算法无需人工干预，适合在边缘端自动运行。