Planet bearings have remained as the challenging components for health monitoring and diagnostics in the planetary transmission systems of helicopters and wind turbines, due to their intricate kinematic mechanisms, strong modulations, and heavy interferences from gear vibrations. To address intelligent diagnostics of planet bearings, this article presents a data-driven dictionary design–based sparse classification (DDD-SC) approach. DDD-SC is free of detecting the weak frequency features and can achieve reliable fault recognition performances for planet bearings without establishing any explicit classifiers. In the first step, DDD-SC implements the data-driven dictionary design with an overlapping segmentation strategy, which leverages the self-similarity features of planet bearing data and constructs the category-specific dictionaries with strong representation power. In the second step, DDD-SC implements the sparsity-based intelligent diagnosis with the sparse representation–based classification criterion and differentiates various planet bearing health states based on minimal sparse reconstruction errors. The effectiveness and superiority of DDD-SC for intelligent planet bearing fault diagnosis have been demonstrated with an experimental planetary transmission system. The extensive diagnosis results show that DDD-SC can achieve the highest diagnosis accuracy, strongest anti-noise performance, and lowest computation costs in comparison with three classical sparse representation–based classification and two advanced deep learning methods.

由于其复杂的运动机制、强调制和齿轮振动的严重干扰，行星轴承一直是直升机和风力涡轮机行星传动系统中健康监测和诊断的具有挑战性的组件。为了解决行星轴承的智能诊断问题，本文提出了一种基于数据驱动字典设计的稀疏分类 (DDD-SC) 方法。DDD-SC无需检测弱频率特征，无需建立任何显式分类器即可实现对行星轴承的可靠故障识别性能。第一步，DDD-SC 使用重叠分割策略实现数据驱动的字典设计，它利用行星轴承数据的自相似性特征，构建具有强大表示能力的特定类别词典。第二步，DDD-SC通过基于稀疏表示的分类标准实现基于稀疏性的智能诊断，并基于最小的稀疏重建误差区分各种行星轴承健康状态。DDD-SC 在智能行星轴承故障诊断中的有效性和优越性已经通过一个实验性的行星传动系统得到了证明。广泛的诊断结果表明，与三种经典的基于稀疏表示的分类和两种先进的深度学习方法相比，DDD-SC 可以实现最高的诊断准确率、最强的抗噪声性能和最低的计算成本。第二步，DDD-SC通过基于稀疏表示的分类标准实现基于稀疏性的智能诊断，并基于最小的稀疏重建误差区分各种行星轴承健康状态。DDD-SC 在智能行星轴承故障诊断中的有效性和优越性已经通过一个实验性的行星传动系统得到了证明。广泛的诊断结果表明，与三种经典的基于稀疏表示的分类和两种先进的深度学习方法相比，DDD-SC 可以实现最高的诊断准确率、最强的抗噪声性能和最低的计算成本。第二步，DDD-SC通过基于稀疏表示的分类标准实现基于稀疏性的智能诊断，并基于最小的稀疏重建误差区分各种行星轴承健康状态。DDD-SC 在智能行星轴承故障诊断中的有效性和优越性已经通过一个实验性的行星传动系统得到了证明。广泛的诊断结果表明，与三种经典的基于稀疏表示的分类和两种先进的深度学习方法相比，DDD-SC 可以实现最高的诊断准确率、最强的抗噪声性能和最低的计算成本。DDD-SC 通过基于稀疏表示的分类标准实现基于稀疏性的智能诊断，并基于最小的稀疏重建误差区分各种行星轴承健康状态。DDD-SC 在智能行星轴承故障诊断中的有效性和优越性已经通过一个实验性的行星传动系统得到了证明。广泛的诊断结果表明，与三种经典的基于稀疏表示的分类和两种先进的深度学习方法相比，DDD-SC 可以实现最高的诊断准确率、最强的抗噪声性能和最低的计算成本。DDD-SC 通过基于稀疏表示的分类标准实现基于稀疏性的智能诊断，并基于最小的稀疏重建误差区分各种行星轴承健康状态。DDD-SC 在智能行星轴承故障诊断中的有效性和优越性已经通过一个实验性的行星传动系统得到了证明。广泛的诊断结果表明，与三种经典的基于稀疏表示的分类和两种先进的深度学习方法相比，DDD-SC 可以实现最高的诊断准确率、最强的抗噪声性能和最低的计算成本。DDD-SC 在智能行星轴承故障诊断中的有效性和优越性已经通过一个实验性的行星传动系统得到了证明。广泛的诊断结果表明，与三种经典的基于稀疏表示的分类和两种先进的深度学习方法相比，DDD-SC 可以实现最高的诊断准确率、最强的抗噪声性能和最低的计算成本。DDD-SC 在智能行星轴承故障诊断中的有效性和优越性已经通过一个实验性的行星传动系统得到了证明。广泛的诊断结果表明，与三种经典的基于稀疏表示的分类和两种先进的深度学习方法相比，DDD-SC 可以实现最高的诊断准确率、最强的抗噪声性能和最低的计算成本。