摘要： 机械故障诊断对降低维修成本和预防事故至关重要。振动信号监测是机械故障诊断中一种有效可行的方法。然而，所采集故障信号往往容易受到其他设备噪声的干扰。因此，从受噪声干扰的监测信号中提取与故障相关的周期脉冲是故障诊断的基础，也是难点。为解决此问题，提出一种基于主成分分析(Principal Component Analysis，PCA)和稀疏滤波(Sparse Filtering，SF)的机械故障特征提取方法。具体来说，首先利用PCA提取噪声干扰信号段的主成分，然后利用SF从主成分中提取有效特征。为减小SF模型的过拟合问题，采用L1/2 范数对其目标函数进行正则化约束。最后，将提取的特征输入到Softmax 分类器中进行故障识别。分别通过一组仿真和实验案例对所提PCA-SF方法的有效性进行验证。实验结果表明，该方法不仅能准确实现故障分类，而且优于其他传统方法。

关键词: 故障诊断, 噪声干扰, 主成分分析, 稀疏滤波