1.基于改进变分模态提取的旋转机械故障特征提取方法，包括以下步骤：S1：在旋转机械设备上，以fs为采样频率，采集一段振动信号x(t)；

S2：对振动信号x(t)进行时频变换处理，得到时频谱TFP(t,f)，其中t表示时间，f表示频率；

S3：利用时频谱TFP(t,f)，确定故障冲击特征所在的频率范围，在该频率范围中间选取一个频率值f0；

S4：设置惩罚参数α的变化范围为[αmin,αmax]，令α从αmin开始，以步长sα增大，增大到第i步时的值为：αi＝αmin+(i‑1)·sα    (I)其中，i＝1,2,3,…,(αmax‑αmin)/sα；

S5：以2πf0作为期望模态ud(t)中心频率ωd的初始值，以αi作为惩罚参数，执行变分模态提取，得到一个期望模态ud_i(t)，计算ud_i(t)的SDE指标值；

S6：根据最终得到的(αmax‑αmin)/sα个SDE指标值，画出α与SDE指标之间的关系曲线；

S7：找出在惩罚参数α增大的过程中，SDE指标最小值所对应的α值，以该值作为惩罚参数α的最优值αopt；

S8：以2πf0作为最优期望模态ud_opt(t)中心频率ωd的初始值，以αopt作为惩罚参数α的值，执行变分模态提取，得到最优期望模态ud_opt(t)；

S9：对最优期望模态ud_opt(t)进行平方包络谱分析，提取故障特征频率。

2.基于改进变分模态提取的旋转机械故障特征提取方法，其特征在于，步骤S2中，时频变换处理方法包括短时傅里叶变换，计算公式为：其中，t表示时间，f表示频率，g(τ‑t)表示以时间t为中心的窗函数；针对短时傅里叶变换所得的时频矩阵，对其各个元素求模得到时频谱TFP(t,f)，表示为：TFP(t,f)＝|STFT(t,f)|    (III)

3.基于改进变分模态提取的旋转机械故障特征提取方法，其特征在于，步骤S5、步骤S8中，变分模态提取将振动信号x(t)分解成期望模态ud(t)和残余信号xr(t)两层，变分模态提取包括以下步骤：S3‑1：设定期望模态ud(t)中心频率ωd的初始值为 惩罚参数为α，期望模态ud(t)的傅里叶变换初始化为 拉格朗日乘子λ(t)的傅里叶变换初始化为 更新步数n＝0；

S3‑2：更新步数n＝n+1，整个算法开始循环执行；

S3‑3：对所有的ω≥0， 按照公式(Ⅳ)进行更新：其中， 为原始信号x(t)的傅里叶变换， 为第n步更新得到期望模态 的傅里叶变换， 为拉格朗日乘子λ(t)的傅里叶变换；ωd按照公式(V)进行更新：拉格朗日乘子 按照公式(VI)进行更新：

其中，σ为更新步长；

S3‑4：给定精度值ε，判断公式(Ⅶ)表示的迭代更新终止条件是否满足：如果不满足迭代更新终止条件，返回步骤S3‑2，如果满足迭代更新终止条件，则结束整个循环，得到期望模态S3‑4：对频域的期望模态 进行傅里叶逆变换，得到时域的期望模态ud(t)。

4.基于改进变分模态提取的旋转机械故障特征提取方法，其特征在于，步骤S5、步骤S6、步骤S7中，SDE指标值的计算包括以下步骤：S4‑1：利用Hilbert变换对期望模态ud(t)进行解调，得到其上包络eup(t)；

S4‑2：在上包络eup(t)中，找出大于某一阈值mth的所有局部极大值所在位置，这些位置表示为pk，k＝1,2,3,…,K，K为局部极大值的个数；

S4‑3：计算位置序列pk的差分序列，公式为：dj＝pj+1‑pj    (Ⅷ)

其中，j＝1,2,3,…,K‑1；

S4‑4：计算SDE指标值，公式为：

其中， 表示差分序列dj的平均值，计算公式为：

5.基于改进变分模态提取的旋转机械故障特征提取方法，其特征在于，步骤S4‑2中，阈值mth设定为：其中，max[eup(t)]表示求上包络eup(t)的最大值，min[eup(t)]表示求上包络eup(t)的最小值。

6.基于改进变分模态提取的旋转机械故障特征提取方法，其特征在于，步骤S9中，最优期望模态ud_opt(t)的平方包络谱计算包括以下步骤：S6‑1：计算ud_opt(t)的平方包络信号use(t)，公式为：其中，j为虚数单位， 表示Hilbert变换，|·|表示求复数的模；

S6‑2：计算ud_opt(t)的平方包络谱Use(ω)，公式为：其中， 表示傅里叶变换。