1.一种基于自适应频谱分割去噪的电机故障识别方法，其特征在于，包括以下步骤：(1)在电机空载稳定运行下，采集电机正常状态和故障状态下的振动信号和定子电流信号；

(2)对原始电机信号进行傅里叶变换获得信号频谱X(f)，根据频谱和采样信息确定自适应分割系数fg，将频谱划分为若干份，使得每份包含fg个分割点，并根据每份频谱的极值确定谱划分的分界线，建立相应的滤波器组；

其中自适应分割系数fg的计算公式如下：

fd＝yin*gz

其中，yin为2、2.2、2.4、2.6、2.8范围内自适应变化的数，fd是分段频率，gz为预定电机故障频率，n为采样点数，fs为采样频率；

根据每份频谱的极值确定谱划分的分界线包括：

对划分后的频谱，求取每份的极大值MAXi，i＝1,2,…,m，m为频谱份数，将极大值点按幅值大小依次排序，寻找相邻极大值点中的极小值MINj，并设定阈值yz，按照以下公式完成极小值的调整：最后以此MINj作为谱划分的分界线；

(3)定义尺度函数和经验小波函数，利用经验小波对各区间频谱信号进行分解；

(4)对于分解后的信号，基于给定基线计算基线通过率及相关系数，去除低频信号及相关性不足的高频，并采用半软阈值函数进行去噪，对去噪后信号进行重构；

(5)对重构信号进行白化预处理后送入稀疏自编码器进行降维，建立降维后的特征与电机故障之间的映射关系；

(6)基于映射关系识别电机实时工作过程中的故障。

2.根据权利要求1所述的基于自适应频谱分割去噪的电机故障识别方法，其特征在于，所述步骤(1)中，利用加速度传感器选择3个点检测电动机的振动信号，分别为电动机轴方向、垂直方向、水平方向，利用钳形电流互感器扣住三相异步电动机的三相电源中的一相，测量流过电动机的该相定子电流；分别对电机正常状态、转子导条断裂故障、转子偏心故障状态数据进行采集存储，建立故障诊断数据库。

3.根据权利要求1所述的基于自适应频谱分割去噪的电机故障识别方法，其特征在于，所述步骤(3)中，定义尺度函数和经验小波函数包括：使用带通滤波器设定尺度函数 和经验小波函数

其中，n为频谱区间编号， 为第n个频谱区间的频率，Tn为过渡相，函数β(x)定义如下：

4 4 3

β(x)＝x(35‑85x+α1x‑α2x)，其中α1∈[65,75],α2∈[15,25]；

根据与 的比例关系来选择Tn，有 0＜γ＜1，对于任意 尺度函数和经验小波函数 简化为：

参数γ用以保证两个连续过渡区域间没有重叠，参数γ符合下式：

4.根据权利要求1所述的基于自适应频谱分割去噪的电机故障识别方法，其特征在于，所述步骤(4)中，基线通过率根据以下公式计算：其中，EMFn是第n个经验模态函数，N是经验模态函数的长度，Jx为给定基线，sgn为符号函数，

5.根据权利要求1所述的基于自适应频谱分割去噪的电机故障识别方法，其特征在于，所述步骤(4)中，相关系数根据以下公式计算：其中，x(t)为包括噪声的原始信号，M是原始信号的采样点数， 分别是原始信号和经验模态函数的平均值。

6.根据权利要求1所述的基于自适应频谱分割去噪的电机故障识别方法，其特征在于，所述步骤(4)中，半软阈值函数如下：其中，λ为阈值，β为调节参数， 为经验小波分解系数，sgn为符号函数，

7.根据权利要求1所述的基于自适应频谱分割去噪的电机故障识别方法，其特征在于，所述步骤(5)中，使用稀疏自编码器时，对稀疏自编码器优化目标函数增加惩罚条件用于惩罚 显著偏离ρ的程度，定义如下：其中，r是隐藏层神经元个数，r1，r2是随机变量，j为第j个隐层单元序号， 表示稀疏正则化项，ρ是稀疏参数， 是第j个隐层单元的平均激活函数值。

8.基于自适应频谱分割去噪的电机故障识别系统，其特征在于，包括：信号采集系统，包括加速度传感器和钳形电流互感器，分别采集电机正常状态和故障状态下的振动信号和定子电流信号；以及信号处理设备，包括处理器、存储器以及计算机程序，其中计算机程序被存储在所述存储器中，并且被配置为由所述处理器执行，所述程序被处理器执行时实现如下步骤：对原始电机信号进行傅里叶变换获得信号频谱X(f)，根据频谱和采样信息确定自适应分割系数fg，将频谱划分为若干份，使得每份包含fg个分割点，并根据每份频谱的极值确定谱划分的分界线，建立相应的滤波器组；其中自适应分割系数fg的计算公式如下：fd＝yin*gz

其中，yin为2、2.2、2.4、2.6、2.8范围内自适应变化的数，fd是分段频率，gz为预定电机故障频率，n为采样点数，fs为采样频率；

根据每份频谱的极值确定谱划分的分界线包括：

对划分后的频谱，求取每份的极大值MAXi，i＝1,2,…,m，m为频谱份数，将极大值点按幅值大小依次排序，寻找相邻极大值点中的极小值MINj，并设定阈值yz，按照以下公式完成极小值的调整：最后以此MINj作为谱划分的分界线；

定义尺度函数和经验小波函数，利用经验小波对各区间频谱信号进行分解；

对于分解后的信号，基于给定基线计算基线通过率及相关系数，去除低频信号及相关性不足的高频，并采用半软阈值函数进行去噪，对去噪后信号进行重构；

对重构信号进行白化预处理后送入稀疏自编码器进行降维，建立降维后的特征与电机故障之间的映射关系；

基于映射关系识别电机实时工作过程中的故障。