1.一种适用于变转速下齿轮故障诊断的正则化稀疏滤波方法，其特征在于，包括以下步骤：(1)设置不同的齿轮健康状态，通过手动调节变频器控制电机转速在一定范围内随机波动，由此获得变转速工况，并采集不同故障齿轮在变转速工况下的振动信号；

(2)根据L2、L1和L1/2范数对不同特征分布条件下稀疏解的提取效果，选择采用L1/2范数约束稀疏滤波网络的目标函数，建立基于L1/2范数正则化的稀疏滤波网络模型，模型如式(1)所示，其中，W为权值矩阵，M为样本个数， 表示列归一化特征，表示行归一化特征，λ为正则化参数，w为正则化项，C为权值矩阵的行数，R为权值矩阵的列数；

(3)随机选取50％的样本训练L1/2-稀疏滤波网络模型，提取变转速振动信号的波动特征；

(4)将提取的波动特征输入到Softmax分类器中进行样本分类，实现故障诊断。

2.如权利要求1所述的一种适用于变转速下齿轮故障诊断的正则化稀疏滤波方法，其特征在于，步骤(3)中，对L1/2-稀疏滤波网络模型进行训练，包括以下步骤：(3-1)采用固定步长的卷积操作对转速波动的信号样本做逐步取段处理，组成训练样本集，以此学习时变转速信号的波动特征；

(3-2)对训练集进行Z-Score标准化，使之落入一个特定区间，为网络训练提供一个简易的初始环境，即如式(2)，其中，μ为均值，σ为方差。

(3-3)将标准化后的训练集输入到L1/2-稀疏滤波模型中训练出权值矩阵W；

(3-4)对样本进行无卷积均匀取段，取段的长度与卷积取段长度相同；

(3-5)采用权值矩阵对无卷积均匀取段的样本进行特征映射，并采用软阈值函数作为网络的激活函数，得到样本的局部波动特征，即如式(3)，(3-6)样本的波动特征fi通过使用全局平均池化来组合局部波动特征获得。