滚动轴承与定轴齿轮是现代工业重要的组成部分,长时间工作在复杂恶劣的工况下,易引发各类故障,危及使用者的生命财产安全,针对滚动轴承与定轴齿轮的故障进行诊断具备重要的应用价值。而从信号中提取具备明确物理意义、高精度的故障特征参数是实现可靠故障诊断的前提。基于故障振动响应信号机理模型,融合自编码网络与稀疏表示方法,分别针对滚动轴承与定轴齿轮故障特征提取展开了研究。设计了提取平稳型与冲击型故障特征参数的两类稀疏表示编码网络。分析了自编码网络与稀疏表示方法的融合机理,设计了可以提取故障特征参数的稀疏表示编码网络结构。基于平稳型与冲击型故障振动响应信号机理模型,分别确定了平稳型与冲击型故障响应信号原子公式与故障特征参数。根据平稳型与冲击型故障特征参数分别设计了优化算法,分别获得了平稳调制信号与冲击响应信号的稀疏表示编码网络,其平稳型与冲击型故障信号重构及特征学习过程在故障响应机理层面具备可解释性,可以提取具备明确物理意义与自适应优化能力的平稳型与冲击型故障特征参数。结合稀疏表示编码网络,针对滚动轴承故障设计了故障解析神经网络。分析了滚动轴承故障响应信号特征,联合冲击响应信号稀疏表示编码网络设计了故障特征提取层。为提高故障信号重构精度与阻尼比精度,设计了特征优化层,获得了滚动轴承故障解析神经网络。通过仿真与实验进行了验证分析,稀疏表示编码网络信号重构与特征学习过程在冲击型故障响应机理层面具备可解释性,从时域信号中提取了高精度的冲击型故障特征参数,相较于对比方法具备更高的信号重构精度与特征参数精度。结合稀疏表示编码网络,针对定轴齿轮平稳型与冲击型故障设计了故障解析神经网络。分析了定轴齿轮平稳型故障响应信号特征,联合平稳调制信号稀疏表示编码网络设计了特征提取层。为提高故障信号重构精度与原子参数精度设计了特征优化层,获得了定轴齿轮平稳型故障解析神经网络。分析了定轴齿轮冲击型故障响应信号特征,在滚动轴承故障解析神经网络基础上增加了阻尼比筛选流程,设计了定轴齿轮冲击型故障解析神经网络。通过仿真与实验进行了验证分析,稀疏表示编码网络信号重构与特征学习过程在平稳型故障响应机理层面具备可解释性,从时域信号中提取了高精度的平稳型与冲击型故障特征参数,相较对比方法具备更高的信号重构精度与特征参数精度。