1.一种基于信息融合的永磁同步电机退磁故障诊断装置，包括联轴器、转矩传感器(3)、数据采集卡、负载设备、上位机(7)、加速度传感器(6)，其特征是：永磁同步电机的输出轴经转轴5同轴连接转矩传感器(3)，转矩传感器(3)和负载设备通过联轴器同轴连接，联轴器和转轴的中心轴共线，永磁同步电机的机壳的外表面上设有N个加速度传感器(6)，N个加速度传感器(6)沿着电机磁极轴向长度的方向等距离均匀分布，转矩传感器(3)和N个加速度传感器(6)均经信号线与数据采集卡相连接，数据采集卡通过数据传输线连接上位机(7)。

2.根据权利要求1所述的基于信息融合的永磁同步电机退磁故障诊断装置，其特征是：

加速度传感器(6)的个数N＝L1/L2，L1是永磁同步电机的转子永磁体的轴向长度为L1,L2是相邻两个加速度传感器(6)的轴向长度。

3.一种如权利要求1所述的基于信息融合的永磁同步电机退磁故障诊断装置的诊断方法，其特征是包括以下步骤：

步骤A：转矩传感器(3)、N个加速度传感器(6)采集实验电机在不同退磁程度D1，D2，……，Dn+1下的转矩信号和振动信号并输入数据采集卡，数据采集卡将转矩信号和振动信号进行去燥处理并将模拟信号转换为数字信号后上传到上位机(7)，上位机(7)计算得到不同退磁程度D1，D2，……，Dn+1情况下对应的转矩信号平均值T1，T2，……，Tn+1和振动信号平均值V1，V2，……；Vn+1；

步骤B：上位机(7)将转矩信号平均值T1，T2，……，Tn+1、振动信号平均值V1，V2，……，Vn+1作为BP神经网络的输入，将对应的退磁程度D1，D2，……，Dn+1作为BP神经网络的输出，构建BP神经网络诊断模型D＝F(T,V)；

步骤C：转矩传感器(3)、N个加速度传感器(6)采集待诊断电机一个机械周期的转矩信号和振动信号，上位机(7)获得待诊断电机的转矩信号和振动信号并计算出待诊断电机的转矩信号平均值和振动信号平均值，将待诊断电机的转矩信号平均值和振动信号平均值作为BP神经网络模型D＝F(T,V)的输入，输出待诊断电机的退磁故障程度。

4.根据权利要求3所述的基于信息融合的永磁同步电机退磁故障诊断装置的诊断方法，其特征是：步骤A中，将实验电机的转子永磁体的退磁程度D分为n等分，每一份的步长为退磁程度从小到大依次分为D1，D2，……，Dn+1，D1＝0％，表示永磁同步电机无退磁故障。

5.根据权利要求4所述的基于信息融合的永磁同步电机退磁故障诊断装置的诊断方法，其特征是：先设置第一个退磁程度D1＝0％，上位机(7)获得转矩传感器(3)、N个加速度传感器(6)采集的一个机械周期的转矩信号T1i、振动信号V11，V12，……，V1N，求出第一个转矩信号平均值 和第一个振动信号平均值 M为采样点的个数；然后改变退磁程度为D2＝D1+△D，得到退磁程度D2情况下转矩信号平均值T2和振动信号平均值V2，依次循环，得到每个退磁程度D1，D2，……，Dn+1情况下对应的转矩信号平均值T1，T2，……，Tn+1和振动信号平均值V1，V2，……，Vn+1。