摘要：针对故障诊断中的特征选择问题，提出一种基于非负稀疏表示的低维敏感特征提取方法。为了增强主分量的可解释性，针对LI-范数优化目标，通过权系数的稀疏和非负约束实现非负稀疏主分量的提取。采用主分量特征的累积方差变化率自适应地确定稀疏度，并依据稀疏分量与原始特征少关联的需求确定稀疏分量的数目，实现敏感特征的优化提取。通过仿真数据的分析表明，非负稀疏分量不仅提取出描述原始数据分布的敏感特征，还提高了数据的聚类性能。将该方法应用于滚动轴承的多种故障状态识别中，在由非负稀疏主分量构成的特征空间中，数据的聚类效果优于主分量特征空间；综合分析稀疏参数的选取和敏感特征的提取过程，表明提出的稀疏表示方法不仅能自适应地确定稀疏度，还能有效地获取原始特征的敏感程度，为故障诊断特征提取提供了很好的解决方案。

关键词：稀疏表示 主分量分析 特征提取 故障诊断 

单位：西安交通大学机械工程学院 西安710049 西安交通大学工程坊 西安710049