1.一种基于长短期记忆网络的故障检测方法，其特征在于，包括以下步骤：获取预设的第一振动信号，并通过后缀树算法对所述第一振动信号进行分解，得到第一重复特征波形和第一重复时间序列；

根据所述第一重复特征波形和所述第一重复时间序列确定所述第一振动信号的第一时频特征图，并根据所述第一时频特征图构建训练样本集；

构建长短期记忆网络，确定所述长短期记忆网络的初始参数、遗忘门函数、输入门函数、输出门函数以及单元状态函数；

将所述训练样本集输入到所述长短期记忆网络中进行训练，利用反向传播算法对所述长短期记忆网络的参数进行优化，得到训练好的故障识别模型，进而根据所述故障识别模型确定待检测的第二振动信号的故障类型识别结果。

2.根据权利要求1所述的一种基于长短期记忆网络的故障检测方法，其特征在于，所述通过后缀树算法对所述第一振动信号进行分解，得到第一重复特征波形和第一重复时间序列这一步骤，其具体包括：

通过平均分布或高斯分布对所述第一振动信号进行编码得到第一时域信号；

通过后缀树算法对所述第一时域信号进行分解，得到多个故障波形信息和对应的时刻信息，并根据所述故障波形信息和所述时刻信息构建第一后缀树；

对所述第一后缀树的各个节点进行遍历，获取重复出现的故障波形信息作为第一重复特征波形，并确定所述第一重复特征波形的第一重复时间序列。

3.根据权利要求2所述的一种基于长短期记忆网络的故障检测方法，其特征在于，所述对所述第一后缀树的各个节点进行遍历，获取重复出现的故障波形信息作为第一重复特征波形，并确定所述第一重复特征波形的第一重复时间序列这一步骤，其具体包括：从所述第一后缀树的根节点开始，通过深度优先的嵌套遍历算法对所述第一后缀树的各个节点进行遍历；

获取重复出现的故障波形信息作为第一重复特征波形，并确定所述第一重复特征波形对应的多个时刻信息；

根据所述第一重复特征波形对应的多个时刻信息确定所述第一重复特征波形的第一重复时间序列。

4.根据权利要求1所述的一种基于长短期记忆网络的故障检测方法，其特征在于，所述根据所述第一重复特征波形和所述第一重复时间序列确定所述第一振动信号的第一时频特征图，并根据所述第一时频特征图构建训练样本集这一步骤，其具体包括：根据预设的重复长度范围，对所述第一重复特征波形和所述第一重复时间序列进行归一化处理，得到所述第一振动信号的第一时频特征图；

根据所述第一时频特征图确定训练样本；

获取所述第一振动信号的故障类型，根据所述故障类型生成故障类型标签；

根据所述训练样本和所述故障类型标签构建训练样本集。

5.根据权利要求1所述的一种基于长短期记忆网络的故障检测方法，其特征在于，所述确定所述长短期记忆网络的初始参数、遗忘门函数、输入门函数、输出门函数以及单元状态函数这一步骤，其具体包括：

确定所述长短期记忆网络的初始参数，所述初始参数包括存储单元个数、网络层数、训练次数、遗忘门权重矩阵、输入门权重矩阵、输出门权重矩阵、单元状态权重矩阵、遗忘门偏置项、输入门偏置项、输出门偏置项以及单元状态偏置项；

根据所述初始参数确定所述遗忘门函数、所述输入门函数、所述输出门函数以及所述单元状态函数。

6.根据权利要求5所述的一种基于长短期记忆网络的故障检测方法，其特征在于，所述遗忘门函数为：

ft＝σ(Wf[ht‑1,xt]+bf)其中，ft表示遗忘门，Wf表示遗忘门权重矩阵，[ht‑1,xt]表示上一层输出与当前层输入作为整体的输入信号，bf表示遗忘门偏置项，σ表示sigmoid函数；

所述输入门函数为：

it＝σ(Wi[ht‑1,xt]+bi)其中，it表示输入门，Wi表示输入门权重矩阵，[ht‑1,xt]表示上一层输出与当前层输入作为整体的输入信号，bi表示输入门偏置项，σ表示sigmoid函数；

所述输出门函数为：

ot＝σ(Wo.[ht‑1,xt]+bo)其中，ot表示输出门，Wo表示输出门权重矩阵，[ht‑1,xt]表示上一层输出与当前层输入作为整体的输入信号，bo表示输出门偏置项，σ表示sigmoid函数；

所述单元状态函数为：

Ct＝ft*Ct‑1+it*C′tC′t＝tanh(Wc.[ht‑1,xt]+bc)其中，Ct表示当前时刻单元状态，ft表示遗忘门，Ct‑1表示上一时刻单元状态，it表示输入门，C′t表示当前输入的单元状态，tanh表示tanh函数，Wc表示单元状态权重矩阵，[ht‑1,xt]表示上一层输出与当前层输入作为整体的输入信号，bc表示单元状态偏置项。

7.根据权利要求5所述的一种基于长短期记忆网络的故障检测方法，其特征在于，所述利用反向传播算法对所述长短期记忆网络的参数进行优化这一步骤，其具体包括：前向计算各个存储单元的遗忘门、输入门、输出门以及单元状态；

根据所述遗忘门、所述输入门、所述输出门以及所述单元状态反向计算各个存储单元的误差项值；

根据所述误差项值确定所述遗忘门权重矩阵的第一梯度、所述输入门权重矩阵的第二梯度、所述输出门权重矩阵的第三梯度以及所述单元状态权重矩阵的第四梯度；

对所述第一梯度、所述第二梯度、所述第三梯度以及所述第四梯度进行梯度更新，从而对所述遗忘门权重矩阵、所述输入门权重矩阵、所述输出门权重矩阵、所述单元状态权重矩阵、所述遗忘门偏置项、所述输入门偏置项、所述输出门偏置项以及所述单元状态偏置项进行优化。

8.一种基于长短期记忆网络的故障检测系统，其特征在于，包括：信号分解模块，用于获取预设的第一振动信号，并通过后缀树算法对所述第一振动信号进行分解，得到第一重复特征波形和第一重复时间序列；

训练样本集构建模块，用于根据所述第一重复特征波形和所述第一重复时间序列确定所述第一振动信号的第一时频特征图，并根据所述第一时频特征图构建训练样本集；

长短期记忆网络构建模块，用于构建长短期记忆网络，确定所述长短期记忆网络的初始参数、遗忘门函数、输入门函数、输出门函数以及单元状态函数；

模型训练及识别模块，用于将所述训练样本集输入到所述长短期记忆网络中进行训练，利用反向传播算法对所述长短期记忆网络的参数进行优化，得到训练好的故障识别模型，进而根据所述故障识别模型确定待检测的第二振动信号的故障类型识别结果。

9.一种基于长短期记忆网络的故障检测装置，其特征在于，包括：至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1至7中任一项所述的一种基于长短期记忆网络的故障检测方法。

10.一种计算机可读存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于执行如权利要求1至7中任一项所述的一种基于长短期记忆网络的故障检测方法。