1.一种基于时频功率谱重构的水下推进器故障诊断方法，其特征在于，包括以下步骤：（1）采集水下机器人的动态信号，获取动态信号的时间序列；

（2）基于平滑伪维格纳‑威利分布算法，计算出时间序列的时频功率谱；

（3）针对时频功率谱中每一个时间节拍的瞬时频谱，构造概率密度函数；

（4）根据构造的概率密度函数计算每一个时间节拍的瞬时香农熵，将所有时间节拍的瞬时香农熵连接到一起，构成瞬时香农熵曲线；并确定瞬时香农熵曲线中最小值所在位置；

（5）根据瞬时香农熵曲线中最小值所在位置对时频功率谱进行重构：如果瞬时香农熵曲线中最小值所在位置位于时频功率谱的后半部分，则截取时频功率谱前半部分中部分序列，并将截取的部分序列置于截取后的时频功率谱的后端形成重构时频功率谱；如果瞬时香农熵曲线中最小值所在位置位于时频功率谱的前半部分，则截取时频功率谱后半部分中部分序列，并将截取的部分序列置于截取后的时频功率谱的前端形成重构时频功率谱；

（6）以重构时频功率谱作为输入，通过故障诊断模型进行故障等级分类，得到推进器故障程度，所述故障诊断模型通过水下推进器故障试验建立。

2.根据权利要求1所述的水下推进器故障诊断方法，其特征在于，至少采集水下机器人的两种动态信号，对每种动态信号进行时频功率谱进行重构，得到多个重构时频功率谱，并进行融合，得到三维时频功率谱矩阵，以三维时频功率谱矩阵作为输入，通过三维卷积神经网络故障诊断模型进行故障等级分类，得到推进器故障程度，所述三维卷积神经网络故障诊断模型通过水下推进器故障试验建立。

3.根据权利要求2所述的水下推进器故障诊断方法，其特征在于，得到多个重构时频功率谱 、 、…、 ，以 为第一层、 为第二层、…、 为第Q层融合成三维时频功率谱矩阵 。

4.根据权利要求1或2或3所述的水下推进器故障诊断方法，其特征在于，所述步骤（2）中时频功率谱 的计算公式为：其中，z（n）为时间序列 的解析信号， ，z*（n）为z（n）

的复共轭，|·|是绝对值函数，n为时间序列序号，m为频率序列序号，h（k）和g（l）分别表示频率方向和时间方向的平滑窗口函数，N1表示为频率序列箱数，j表示虚数，， ，M取整数。

5.根据权利要求4所述的水下推进器故障诊断方法，其特征在于，所述步骤（3）中概率密度 的构造公式为： 。

6.根据权利要求5所述的水下推进器故障诊断方法，其特征在于，所述步骤（4）中瞬时香农熵 的计算公式为： 。

7.根据权利要求1或2或3所述的水下推进器故障诊断方法，其特征在于，所述步骤（4）中对时频功率谱进行重构具体内容为：确定瞬时香农熵曲线中最小值 所在位置 ，根据位置 对时频功率谱TF(m, n)进行重构；

若位置 满足条件 ，则截取时频功率谱TF(m, n)中第1列至第 列的时频功率谱 ，再将截取的时频功率谱置于截取后的时频功率谱的后

端形成重构时频功率谱：

；

若位置 满足条件 ，则截取时频功率谱TF(m, n)中第 列至第L列的时频功率谱 ，再将截取的时频功率谱置于截取后的时频功率谱的前

端形成重构时频功率谱：

。

8.根据权利要求1所述的水下推进器故障诊断方法，其特征在于，所述故障诊断模型建立的具体内容为：对水下推进器进行已知故障程度等级的故障试验，获取对应故障程度等级的水下机器人的动态信号；对获取的动态信号进行时频功率谱重构，以重构时频功率谱作为故障样本，作为二维卷积神经网络的输入，以故障程度等级作为二维卷积神经网络的输出，采用故障样本训练二维卷积神经网络参数，训练结束后，得到二维卷积神经网络的故障诊断模型。

9.根据权利要求2所述的水下推进器故障诊断方法，其特征在于，所述三维卷积神经网络故障诊断模型建立的具体内容为：对水下推进器进行已知故障程度等级的故障试验，获取对应故障程度等级的水下机器人的至少两种动态信号；对获取的动态信号进行时频功率谱重构及融合得到三维时频功率谱矩阵，以三维时频功率谱矩阵作为故障样本，作为三维卷积神经网络的输入，以故障程度等级作为三维卷积神经网络的输出，采用故障样本训练三维卷积神经网络参数，训练结束后，得到三维卷积神经网络的故障诊断模型。

10.一种采用根据权利要求1至9任意一项所述水下推进器故障诊断方法的诊断系统，其特征在于，包括采集模块，用于采集水下机器人的动态信号，获取动态信号的时域序列；

信号处理模块：用于基于平滑伪维格纳‑威利分布算法，计算出时间序列的时频功率谱；针对时频功率谱中每一个时间节拍的瞬时频谱，构造概率密度函数；根据构造的概率密度函数计算每一个时间节拍的瞬时香农熵，将所有时间节拍的瞬时香农熵连接到一起，构成瞬时香农熵曲线；并确定瞬时香农熵曲线中最小值所在位置；

重构模块，用于根据瞬时香农熵曲线中最小值所在位置对时频功率谱进行重构：如果瞬时香农熵曲线中最小值所在位置位于时频功率谱的后半部分，则截取时频功率谱前半部分中部分序列，并将截取的部分序列置于截取后的时频功率谱的后端形成重构时频功率谱；如果瞬时香农熵曲线中最小值所在位置位于时频功率谱的前半部分，则截取时频功率谱后半部分中部分序列，并将截取的部分序列置于截取后的时频功率谱的前端形成重构时频功率谱；

故障辨识模块，用于以重构时频功率谱作为输入，通过故障诊断模型进行故障等级分类，得到推进器故障程度，所述故障诊断模型通过水下推进器故障试验建立。