1.基于非线性卷积稀疏滤波的旋转机械早期故障诊断方法，其特征在于，包括以下步骤：(1)输入信号前处理：对采集的旋转机械的振动信号样本进行Z‑Score归一化，确定滤波器的长度并构造故障信号的Hankel矩阵，作为模型的输入；

(2)非线性特征激活：确定尺度因子和平移因子，通过广义Sigmoid函数，对输入进行非线性激活；

(3)构建目标函数：先对特征向量的行进行L2范数归一化，然后对列进行L2范数归一化，对滤波器能量进行约束，求出L1范数，作为模型的目标函数；

(4)模型训练：通过拟牛顿法对模型进行迭代优化，得到滤波器组；

(5)滤波器降维：对滤波器进行频谱分析，然后计算频谱峭度，选择峭度最大值对应的滤波器作为最优滤波器；

(6)滤波和包络分析：通过最优滤波器对采集的原始样本进行滤波，并进行Hilbert包络谱分析；

(7)故障类型判断：根据包络谱的峰值、频率和谐波个数，判断故障类型。

2.如权利要求1所述基于非线性卷积稀疏滤波的旋转机械早期故障诊断方法，其特征

1×N

在于，步骤1中，测试的旋转机械振动样本为x∈R 需要经过Z‑Score归一化，即Z＝(x‑μx)/σx，其中μx为均值，σx为标准差；这样每个样本的特征都被归一化到均值为0，标准差为1的分布中，然后构造故障信号的Hankel矩阵 其中Ns＝N‑L+1，其中N为输入信号的长度，L为滤波器的长度。

3.如权利要求2所述的基于非线性卷积稀疏滤波的旋转机械早期故障诊断方法，其特征在于，步骤2中，通过广义Sigmoid函数对样本进行非线性激活，具体激活过程为‑8其中 为滤波器，ε＝1×10 ，a和b分别为

伸缩因子和平移因子，Y为非线性特征，y为线性特征，M为滤波器维数。

4.如权利要求1所述的基于非线性卷积稀疏滤波的旋转机械早期故障诊断方法，其特征在于，在步骤3中，先对特征向量的行进行L2范数归一化，然后对列进行L2范数归一化，对滤波器能量进行约束，目标函数为式(1)所示：其中||·||1和||·||2分别表示L1和L2范数，Y指的是第i个滤波器的第j个特征值。