1.基于改进连续变分模态分解的旋转机械故障诊断方法，包括以下步骤：S1：在旋转机械设备上，以fs为采样频率，采集一段长度为L的振动信号x(t)；

S2：设置平衡参数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,…,Ns，Ns为α增大的总步数，且Ns＝(αmax‑αmin)/sα+1；

S3：以αi作为平衡参数，执行连续变分模态分解SVMD，得到多个模态分量uik(t)(k＝1,

2,…,Ki)，其中k为模态分量的序号，Ki为第i步连续变分模态分解SVMD所得的模态分量个数；

S4：计算模态分量uik(t)的能量位置指标值EPi(k)；

S5：从Ki个能量位置指标值EPi(k)中找出最小值minEPi及其对应目标模态分量的序号ONi；

S6：根据最终得到的Ns个minEPi值，画出αi与minEPi之间的关系曲线，同时画出αi与ONi之间的关系曲线；

S7：利用αi与minEPi之间的关系曲线，找出在平衡参数α增大的过程中，minEPi最小值所对应的α值，以该值作为平衡参数α的最优值αopt；

S8：利用αi与ONi之间的关系曲线，找出αi取值为αopt所对应ONi的值ONT；

S9：以αopt作为平衡参数α的值，执行连续变分模态分解SVMD，得到多个模态分量，从中选取第ONT个模态分量为最优目标模态分量uopt(t)；

S10：计算最优目标模态分量uopt(t)的平方包络谱，提取故障特征频率，对旋转机械进行故障诊断。

2.基于改进连续变分模态分解的旋转机械故障诊断方法，其特征在于，步骤S4、步骤S5中，模态分量的能量位置指标值计算包括以下步骤：S2‑1：针对某一模态分量u(t)，计算其平方包络谱SES(f)，其中f表示频率；

S2‑2：对平方包络谱SES(f)进行归一化处理，得到归一化平方包络谱NS(f)，具体方法为：其中，max[SES(f)]表示求平方包络谱SES(f)中的最大幅值；

S2‑3：利用归一化平方包络谱NS(f)计算故障特征频率成分的能量聚集性指标EC；

S2‑4：利用归一化平方包络谱NS(f)计算故障特征频率的位置精度指标PA；

S2‑5：计算模态分量u(t)对应的能量位置指标EP，公式为：其中，p为调整系数，且0＜p≤1，β为平衡系数，β的计算公式为：

3.基于改进连续变分模态分解的旋转机械故障诊断方法，其特征在于，步骤S10、步骤S2‑1中，模态分量的平方包络谱计算包括以下步骤：S3‑1：针对某一模态分量u(t)，计算其平方包络信号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；

S3‑2：计算uSE(t)的平方包络谱SES(f)，公式为：其中， 表示傅里叶变换。

4.基于改进连续变分模态分解的旋转机械故障诊断方法，其特征在于，步骤S2‑3、步骤S2‑5中，故障特征频率成分的能量聚集性指标EC的计算，包括以下步骤：S4‑1：对归一化平方包络谱NS(f)的幅值从大到小进行重新排列，得到重排的幅值序列SNS(n)(n＝1,2,…,N)，其中N表示频率点数；

S4‑2：计算SNS(n)中第一个幅值与随后M个幅值之间差值的平均值，得到能量聚集性指标EC，公式为：

5.基于改进连续变分模态分解的旋转机械故障诊断方法，其特征在于，步骤S2‑4、步骤S2‑5中，故障特征频率的位置精度指标PA的计算，包括以下步骤：S5‑1：找出归一化平方包络谱NS(f)中最大幅值所对应的频率值fma；

S5‑2：计算位置精度指标PA，公式为：

其中，C为旋转机械中所包含旋转零部件的个数，fj(j＝1,2,…,C)为各个旋转零部件的理论故障特征频率。