1.一种列车转向架非侵入式实时故障监测方法，其特征在于，包括以下步骤：

步骤1，预采集转向架上总信号测点和z个关键部件处的振动数据，获得各关键部件对应的预采集振动数据M和总信号测点对应的预采集振动数据C；其中M＝[LM,m(t)]，m(t)为各关键部件对应的振动信号值，LM为各关键部件对应的标签值且LM＝[lM,lt,lg,ld]，lM为各关键部件的编号标签，lt为时间戳标签，lg为故障类型标签，ld为振动信号方向标签；

步骤2，基于M和C，提取转向架振动数据中包含时域信息、频率信息和故障类型信息的信号特征，并建立转向架振动信号特征库；转向架振动信号特征库中包括FM和FC，其中，FM为z个关键部件处的信号特征，FC为总信号测点处的信号特征；其中包括对m(t)进行FFT变换，得到m(t)对应的1～J次谐波信号，获得m(t)对应的1～J次谐波幅值集合AM，还包括步骤1中在单振源振动条件下获得的M和C中对应的数据进行计算，获得各关键部件相对于总信号测点的各谐波阶次幅值比uM；

步骤3，利用FC进行多标签分类训练，获得多标签故障识别模型S(FC)；其中，FC中的时域和频域信息作为多标签识别模型的输入，FC中的故障类型信息作为多标签识别模型的输出；

步骤4，采集总信号测点处的实时振动数据CR，提取CR中包含时域信息和频率信息的信号特征FCR；

步骤5，以同时启动的关键部位的数量、同时启动的关键部位标签、关键部件的故障类型标签作为自变量，设定优化目标，基于FCR执行多目标优化算法，获得非支配解集NS；获取NS中对应优化目标值最小的N组自变量作为N组故障识别初步结果，以实现各单振源振动信号特征之和与总振动信号特征之间的差值最小化为优化目标之一，优化目标之一包括各预采集单振源下第i个关键部件振动时的总测点振动信号特征之和与实时采集总振动信号特征之间的差值，该差值包括各谐波阶次的差值，各谐波阶次差值加权和为最小化目标f1，以及各预采集单振源下第i个关键部件振动时该关键部件处的振动信号之加权和与实时采集总振动信号特征之间的差值，同上差值加权和为最小化目标f3，优化目标之一的具体计算公式如下：其中， 表示实时总信号的第j次谐波相量值，该相量由其相应的幅值和相位组成；

表示预采集单振源下第i个关键部件振动时的总测点振动信号的第j次谐波相量； 表示预采集单振源下第i个关键部件振动时该关键部件处的振动信号的第j次谐波相量，该相量由振源信号的变比幅值AMc＝AM·um、相位和相位差组成；wj为各阶次谐波的权重，a为振动部件的总数；

步骤6，利用步骤3中训练好的模型S(FC)对步骤4采集的信号CR进行识别，输出多标签分类识别结果，用该多标签分类识别结果与步骤5中获得的N组故障识别初步结果进行比较，以N组故障识别初步结果中与多标签分类识别结果交集最大的一组故障识别初步结果作为故障识别最终结果。

2.如权利要求1所述的列车转向架非侵入式实时故障监测方法，其特征在于，所述步骤

1中，预采集条件包括单振源振动和多振源振动，单振源振动是指单个关键部位在正常或已知异常状态下的振动，多振源振动是指多个关键部件及相应的工作状态随机组合时的振动。

3.如权利要求2所述的列车转向架非侵入式实时故障监测方法，其特征在于，所述步骤

1中，C＝[LC,c(t)]，c(t)为总信号测点对应的振动信号值，LC为总信号测点对应的标签值且LC＝[lm,lt,lg,ld]，lm为同时启动的关键部件标签。

4.如权利要求3所述的列车转向架非侵入式实时故障监测方法，其特征在于，所述步骤

2包括：

步骤201，对m(t)进行FFT变换，得到m(t)对应的1～J次谐波信号，获得m(t)对应的1～J次相位集合BM；对c(t)进行FFT变换，得到c(t)对应的1～J次谐波信号，获得c(t)对应的1～J次谐波幅值集合AC和相位集合BC；

步骤202，以步骤1中在单振源振动条件下获得的M和C中对应的数据进行计算，获得各关键部件相对于总信号测点的各谐波阶次相位差步骤203，建立转向架振动信号特征库；转向架振动信号特征库中包括FM和FC，其中，FC＝[LC,AC,BC]。

5.如权利要求4所述的列车转向架非侵入式实时故障监测方法，其特征在于，所述步骤

3包括：

步骤301，将LC中的lm和lg转换为二值化标签值；

步骤302，将FC划分为训练集和测试集；

步骤303，利用RankingSVM模型构建多标签故障识别模型并进行学习，多标签故障识别模型的输入为AC和BC，多标签故障识别模型的输出为LC中的二值化标签值；选取在测试集上精度最高的模型作为训练完成的多标签故障识别模型S(FC)。

6.如权利要求1所述的列车转向架非侵入式实时故障监测方法，其特征在于，所述步骤

5中，还包括以实现各单振源振动信号各谐波阶次差值的加权方差最小化为优化目标之二，所述优化目标之二是与f1及f3相对应的各谐波阶次差值的方差为最小化目标f2与f4，优化目标之二的具体计算公式如下：

7.如权利要求1至6任一项所述的列车转向架非侵入式实时故障监测方法，其特征在于，还包括：基于经确认后完全正确的故障识别最终结果，更新多标签故障识别模型和转向架振动信号特征库。

8.如权利要求4至6任一项所述的列车转向架非侵入式实时故障监测方法，其特征在于，还包括：步骤7，结合时间戳信号t和振动信号特征库中的FC，获得总振动信号特征时序数据库Tc(t)，Tc(t)＝{LC(t),AC(t),BC(t)}；利用总振动信号特征时序数据库中的历史数据，采用极限学习机方法对未来某一时刻的转向架故障状态进行预测。