一种基于结构化增广字典学习的工业故障检测方法

本发明公开了一种基于结构化增广字典学习的工业故障检测方法，该故障检测方法首先通过基础字典处理无故障成分，同时引入额外的低维稀疏字典，用于精确重构故障相关部分，避免了故障信息的分散化。其次，为确保无故障部分处于统计控制状态，在基础字典系数中嵌入稳态统计特性和流形结构约束，同时通过硬稀疏约束精确选择故障相关的特征变量，有效保证了工业过程中的无故障信号不受干扰，从而在稀疏解码中实现信号的故障与正常成分的精确分离，从而精准地揭示故障模式；此外，本发明采用基于移动窗口的聚合方法，显著提升了工业过程初期故障的敏感性和检测效率，为工业应用提供了高效、可靠的故障诊断解决方案。