1.基于快速非线性盲解卷积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；

(2)非线性特征激活：确定伸缩因子和平移因子，通过广义非线性Sigmoid函数，对输入矩阵进行激活；

(3)构建目标函数：对特征向量进行L2范数归一化，约束滤波器能量，求出L1范数，并添加滤波器L1/2范数惩罚项，构造出目标函数；

(4)模型训练并输出故障特征：通过拟牛顿法优化目标函数，利用训练好的滤波器对输入样本进行滤波，进行时频分析和包络分析，对滤波器进行频谱分析；

(5)故障类型诊断：根据时频分布判断故障的特征周期、包络谱判断特征频率、频分布和滤波器频谱判断中心频率，定位故障类型；

1×N 1×N

在步骤(1)中，采集的振动信号样本为x∈R ，其中R 表示1行N列的矩阵，根据转速信息确定滤波器长度L，对样本进行Z‑Score归一化，构造故障信号的Hankel矩阵其中Ns＝N‑L+1；

在步骤(2)中，通过广义Sigmoid函数对输入矩阵进行非线性激活，并保证激活前后特

1×L

征的0值分布一致，具体激活过程为 其中 f∈R 为滤‑8

波器，ε＝1×10 ，a和b分别为伸缩因子和平移因子，Y为激活后的特征；

步骤(3)中，目标函数由非线性特征的L1/2范数 滤波器的稀疏惩罚项 组成，且滤波器被约束为单位能量；即：j

其中||f||2＝1

i

其中，||·||1和||·||2分别表示L1和L2范数，λ为惩罚项的调整系数，Y指第i个特征，jf指滤波器的第j个元素。

2.如权利要求1所述的基于快速非线性盲解卷积的旋转机械早期故障诊断方法，其特征在于，在步骤(4)中，通过拟牛顿法优化目标函数，利用训练好的滤波器对输入样本进行滤波，对滤波后的信号进行同步提取变换时频分析和Hilbert包络分析，对滤波器进行频谱分析。