针对专家系统在知识获取、记忆性和鲁棒性方面存在困难,以及故障类型识别能力有限等问题,我们提出了一种基于循环稀疏和SMA-RF的智能故障诊断模型。该模型利用复式行星轮系在平稳工况下采集的振动信号进行故障诊断。实验结果表明,通过循环稀疏分解得到的故障特征向量包含丰富的信息,并且CSD-SMA-RF诊断模型具有良好的性能,在故障分类方面可以达到95.5%的准确率。