1.一种基于无量纲与小波分解特征学习的三重并发故障分析方法，其特征在于，所述基于无量纲与小波分解特征学习的三重并发故障分析方法包括：进行数据采集以及数据预处理；进行三种常见摩擦故障特征提取，所述三种常见摩擦故障包括：油膜涡动故障、摩擦故障与转子不平衡故障，包括无量纲与小波分解特征；

利用机器学习方法建立齿轮故障预测模型；所述进行数据采集以及数据预处理，具体包括下述步骤：

步骤(1)，安装两个探点，通过两个探点采集得到大型滑动机组振动双视图信号，数据采集为32/rms，即轴承每转一圈采样32个点，采集32圈的数据；

步骤(2)，探针采集数据后，对两个视图分别进行离散傅里叶变换，窗口大小32*32＝

1024个点，根据信号情况设置自适应阈值；变换公式具体如下：其中n＝0,…,N‑1，N表示数据长度；

所述进行特征提取，具体包括下述步骤：步骤1)，对处理后的数据进行小波包2层分解变换,小波包即利用多次叠代的小波转换分析输入信号的细节部分，得到不同尺度下的小波系数，将信号HH层的尺度系数置零；

步骤2)，计算无量纲特征波性指标Sf，将波性指标作为提取的特征，具体计算公式如下：其中 表示波形数据均方根值， 表示波形数据绝对平均；

步骤3)，计算无量纲特征峰值指标Cf，将峰值指标作为提取的特征，具体计算公式如下：其中xmax表示波形峰值， 表示波形数据均方根值；

步骤4)，计算无量纲特征脉冲指标If，将脉冲指标作为提取的特征之一，具体计算公式如下：

其中xmax表示波形峰值， 表示波形数据绝对平均；

步骤5)，计算无量纲特征峭度指标Kf，表示实际峭度相对于正常峭度的高低，峭度指标反映振动信号中的冲击特征，将无量纲特征峭度指标作为提取的特征，具体计算公式如下：其中 表示波形数据的均值；

步骤6)，计算无量纲特征裕度指标Lf，将无量纲特征裕度指标作为提取的特征，具体计算公式如下：

其中

步骤7)，计算无量纲特征Teager能量算子，将Teager能量算子为提取的特征，具体计算公式如下：

其中，t表示数据采集时间， αt为t时刻前后的偏移角；

步骤8)，计算标准偏差，计算公式如下：步骤9)，计算平均值的标准偏差，标准偏差的大小可通过标准偏差与平均值的倍率关系来衡量，具体计算公式如下：

步骤10)，计算样本的样本圆均值，将样本圆均值做为提取的特征，具体计算公式如下：其中X为样本，sin为正弦函数，cos为余弦函数，arctan2为正切函数,π为圆周率；其中res＝arctan2(S,C)。

2.如权利要求1所述的基于无量纲与小波分解特征学习的三重并发故障分析方法，其特征在于，所述利用提取出的两个视图特征进行cca降维，将降维后两个视图的特征进行拼接，作为输入向量，使用机器学习模型进行训练。

3.如权利要求1所述的基于无量纲与小波分解特征学习的三重并发故障分析方法，其特征在于，所述利用机器学习方法建立齿轮故障预测模型后，还需进行未知标签数据预测。

4.一种如权利要求1～3任意一项所述基于无量纲与小波分解特征学习的三重并发故障分析方法运用于大机组设备滑动机械故障检测。

5.一种基于无量纲与小波分解特征学习的三重并发故障分析系统，其特征在于，所述基于无量纲与小波分解特征学习的三重并发故障分析系统包括：数据预处理模块，进行数据采集以及数据预处理；

摩擦故障三种故障特征提取模块，进行三种常见摩擦故障特征提取，所述三种常见摩擦故障包括：油膜涡动故障、摩擦故障与转子不平衡故障，包括无量纲与小波分解特征；

利用机器学习方法建立齿轮故障预测模型；所述进行数据采集以及数据预处理，具体包括下述步骤：

步骤(1)，安装两个探点，通过两个探点采集得到大型滑动机组振动双视图信号，数据采集为32/rms，即轴承每转一圈采样32个点，采集32圈的数据；

步骤(2)，探针采集数据后，对两个视图分别进行离散傅里叶变换，窗口大小32*32＝

1024个点，根据信号情况设置自适应阈值；变换公式具体如下：其中n＝0,…,N‑1，N表示数据长度；

所述进行特征提取，具体包括下述步骤：步骤1)，对处理后的数据进行小波包2层分解变换,小波包即利用多次叠代的小波转换分析输入信号的细节部分，得到不同尺度下的小波系数，将信号HH层的尺度系数置零；

步骤2)，计算无量纲特征波性指标Sf，将波性指标作为提取的特征，具体计算公式如下：其中 表示波形数据均方根值， 表示波形数据绝对平均；

步骤3)，计算无量纲特征峰值指标Cf，将峰值指标作为提取的特征，具体计算公式如下：其中xmax表示波形峰值， 表示波形数据均方根值；

步骤4)，计算无量纲特征脉冲指标If，将脉冲指标作为提取的特征之一，具体计算公式如下：

其中xmax表示波形峰值， 表示波形数据绝对平均；

步骤5)，计算无量纲特征峭度指标Kf，表示实际峭度相对于正常峭度的高低，峭度指标反映振动信号中的冲击特征，将无量纲特征峭度指标作为提取的特征，具体计算公式如下：其中 表示波形数据的均值；

步骤6)，计算无量纲特征裕度指标Lf，将无量纲特征裕度指标作为提取的特征，具体计算公式如下：

其中

步骤7)，计算无量纲特征Teager能量算子，将Teager能量算子为提取的特征，具体计算公式如下：

其中，t表示数据采集时间， αt为t时刻前后的偏移角；

步骤8)，计算标准偏差，计算公式如下：步骤9)，计算平均值的标准偏差，标准偏差的大小可通过标准偏差与平均值的倍率关系来衡量，具体计算公式如下：

步骤10)，计算样本的样本圆均值，将样本圆均值做为提取的特征，具体计算公式如下：其中X为样本，sin为正弦函数，cos为余弦函数，arctan2为正切函数,π为圆周率；其中S＝∑isin(angle),C＝∑icos(angle)，res＝arctan2(S,C)；

齿轮故障预测模型获取模块，利用机器学习方法建立齿轮故障预测模型；

未知标签数据预测模块，进行未知标签数据预测。

6.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1～3任意一项所述的基于无量纲与小波分解特征学习的三重并发故障分析方法。

7.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1～3任意一项所述的基于无量纲与小波分解特征学习的三重并发故障分析方法。