1.一种齿轮的故障诊断方法，其特征在于，包括以下步骤：首先，构建齿轮故障分类器；

然后，获取未知齿轮的振动信号，并对该未知齿轮的振动信号进行分解，得到未知齿轮的固有旋转分量，进一步计算得到未知齿轮的样本熵特征向量；

最后，利用齿轮故障分类器对该未知齿轮的样本熵特征向量数据进行比对分类，得到该未知齿轮故障类型的诊断结果；

其中，构建齿轮故障分类器的具体步骤为：

①利用加速度传感器获取齿轮正常情况和各类故障情况的加速度振动信号，作为待分解信号；

②对该齿轮待分解信号进行分析，具体步骤如下：

②-1、首先定义一个基线提取因子，然后利用该基线提取因子从该待分解信号中抽取一个基线信号，该待分解信号余下的信号成为一个固有旋转分量，表达式为：Xt＝LXt+(1-L)Xt＝Lt+Ht

式中，Xt为待分解信号，L为振动信号基线提取因子，Lt＝LXt为一次分解得到的基线信号，Ht＝(1-L)Xt为一次分解得到的高频成分固有旋转分量，定义一个固有旋转分量提取算子H，H＝1-L，将上述一次分解得到的高频成分固有旋转分量Ht改写为HXt；

②-2、将该一次分解得到的基线信号Lt作为新的待分解信号进行二次分解，三次分解，…，p次分解，得到频率依次降低的固有旋转分量HLXt，HL2Xt，…，HLp-1Xt和当前基线信号LpXt，表达式为：式中，p为振动信号分解次数，k为取值在0到p-1之间的自然数， 为对待分解信号Xt进行p次分解后得到的p个固有旋转分量之和；

②-3、判断当前基线信号LpXt是否为一个单调信号或者一个幅值小于预设值的最低频率基线信号，若是，则信号分解结束，若否，则重复步骤②-2；

③按高频至低频获取至少一个齿轮振动信号固有旋转分量的瞬时幅值和瞬时频率，分别得到该固有旋转分量的瞬时幅值样本熵和瞬时频率样本熵特征向量，作为齿轮的故障特征训练样本；

④构建基于粒子群算法的Tikhonov支持向量机的齿轮故障分类器，利用该齿轮的故障特征训练样本对齿轮故障分类器进行优化，具体步骤为：④-1、初始化粒子个数、惯性因子，其中粒子包括惩罚因子粒子λ和核函数宽度参数粒子σ；

④-2、设置粒子的初始位置和速度；

④-3、将每个粒子、齿轮的故障特征训练样本带入Tikhonov支持向量机，根据适应度函数计算适应度值；

④-4、根据该适应度值，更新粒子的速度和位置；

④-5、判断是否达到最大迭代次数，若是，则输出最优Tikhonov支持向量机的核函数宽度参数σ、惩罚因子λ和适应度值，若否，则转到步骤④-3；

所述的适应度函数为齿轮故障分类的正确率函数，相应的适应度值为齿轮故障分类精度；

所述的最优Tikhonov支持向量机的核函数宽度参数σ＝1.07，惩罚因子λ＝17.5。

2.根据权利要求1所述的一种齿轮的故障诊断方法，其特征在于，所述的步骤①中获取齿轮正常情况和各类故障情况的加速度振动信号的具体步骤包括：构建转子实验台：该实验台包括变速驱动电机、轴承、齿轮箱、轴、偏重转盘、调速器，带有各类故障齿轮部件的系统机械部分，以及安装在所述轴上的加速度传感器；

模拟齿轮各类故障：通过调节配重、部件安装位置以及组件的有机组合来进行模拟；

通过加速度传感器获取齿轮正常情况和各类故障情况的振动信号。

3.根据权利要求2所述的一种齿轮的故障诊断方法，其特征在于，所述的齿轮各类故障情况的振动信号包括：磨损故障齿轮振动信号、点蚀故障齿轮振动信号、断齿故障齿轮振动信号。

4.根据权利要求1所述的一种齿轮的故障诊断方法，其特征在于，所述的步骤③中按高频至低频获取至少一个齿轮振动信号固有旋转分量的瞬时幅值和瞬时频率，分别得到该固有旋转分量的瞬时幅值样本熵和瞬时频率样本熵特征向量的具体步骤包括：③-1、获取至少一个齿轮振动信号固有旋转分量，对获取的每个固有旋转分量进行分析，计算该固有旋转分量信号局部的瞬时幅值：式中，假设该固有旋转分量信号局部波形为一个准正弦波周期信号，A1为信号正半波最大幅值，A2为负半波最大幅值的绝对值，t为时间，t1为信号上过零点时刻，t2为信号正半周期幅值最大值时刻，t3为信号下过零点时刻，t4为负半周幅值最小值时刻，t5为结束时刻；

③-2、计算该固有旋转分量信号局部的瞬时相位：

式中，xt为该固有旋转分量；

③-3、对瞬时相位微分，得到该固有旋转分量信号局部的瞬时频率f：