1.一种齿轮箱故障检测方法，其特征在于，所述方法包括：

获取待测齿轮箱的齿轮在不同状态下，所述待测齿轮箱的原始振动信号；

将所有原始振动信号中以固定采样长度采样的所述原始振动信号的特征进行提取，得到以所述固定采样长度下每次采样对应的表征所述待测齿轮箱工况的特征向量；

从预设参数范围中，选择不同的参数作为预设PNN模型的平滑因子，并通过所述平滑因子和所述特征向量对所述预设PNN模型进行交叉验证，得到所述预设PNN模型在不同的所述平滑因子下的准确率，并确定所述准确率最高时，对应的所述平滑因子作为目标参数；

根据所述预设PNN模型和所述目标参数，构建齿轮箱故障检测模型；

通过所述齿轮箱故障检测模型，确定所述待测齿轮箱的故障类型；

将所有原始振动信号中以固定采样长度采样的所述原始振动信号的特征进行提取，得到以所述固定采样长度下每次采样对应的表征所述待测齿轮箱工况的特征向量，包括：对于每组以固定采样长度采样的所述原始振动信号，根据所述原始振动信号，通过连续小波变化构建三阶张量；

通过核一致诊断法确定所述三阶张量的主成分数；

根据所述三阶张量和所述主成分数，通过平行因子分析法对所述三阶张量分解得到对应的三线性模型；

提取所述三线性模型中的频率信号和时域信号，并根据所述频率信号确定所述频率信号对应的重心频率，以及，根据所述时域信号确定所述时域信号对应的峭度指标；

根据所述重心频率和所述峭度指标，构建所述特征向量；

选择不同的参数作为预设PNN模型的平滑因子，并通过所述平滑因子和所述特征向量对所述预设PNN模型进行交叉验证，得到所述预设PNN模型在不同的所述平滑因子下的准确率，并确定所述准确率最高时，对应的所述平滑因子作为目标参数，包括：初始化相关参数，所述相关参数包括用于从所述预设参数范围中搜索所述目标参数的向量的数量、最大迭代次数、向量的初始位置和初始全局最优位置；

对于每个所述向量，基于第一预设规则更新所述向量的初始位置，得到位置更新后的向量；

将所述位置更新后的向量与满足预设条件的所述向量进行合并，得到第一新向量；

将所述第一新向量所处位置对应的参数作为所述平滑因子带入所述预设PNN模型进行交叉验证，并确定所述预设PNN模型在当前平滑因子下的所述准确率；

根据所述预设PNN模型在当前平滑因子下的所述准确率与所述初始全局最优位置对应的所述准确率进行对比，确定所述准确率较高的位置作为新的最优位置；

根据所述新的最优位置，基于第二预设规则更新所述第一新向量，得到第二新向量；

将所述第二新向量所处位置对应的参数作为所述平滑因子带入所述预设PNN模型进行交叉验证，并确定所述预设PNN模型在当前平滑因子下的所述准确率；

根据所述预设PNN模型在当前平滑因子下的所述准确率与所述新的最优位置对应的所述准确率进行对比，确定所述准确率较高的位置作为目标最优位置；

将所述目标最优位置作为所述初始全局最优位置，并从基于第一预设规则更新所述向量的初始位置，得到位置更新后的向量起，重复上述步骤，直至迭代次数大于或等于所述最大迭代次数；

确定最后一次迭代得到的所述目标最优位置对应的所述平滑因子，作为所述目标参数。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：通过小波包变换对所述原始振动信号进行降噪处理，得到降噪后的振动信号；

则将所有原始振动信号中以固定采样长度采样的所述原始振动信号的特征进行提取，得到以所述固定采样长度下每次采样对应的表征所述待测齿轮箱工况的特征向量，包括：将所有降噪后的振动信号中以固定采样长度采样的所述降噪后的振动信号的特征进行提取，得到以所述固定采样长度下每次采样对应的表征所述待测齿轮箱工况的特征向量。

3.一种齿轮箱故障检测装置，其特征在于，用于实现权利要求1或2所述的方法，所述装置包括：获取单元，用于获取待测齿轮箱的齿轮在不同状态下，所述待测齿轮箱的原始振动信号；

提取单元，用于将所有原始振动信号中以固定采样长度采样的所述原始振动信号的特征进行提取，得到以所述固定采样长度下每次采样对应的表征所述待测齿轮箱工况的特征向量；

第一确定单元，用于从预设参数范围中，选择不同的参数作为预设PNN模型的平滑因子，并通过所述平滑因子和所述特征向量对所述预设PNN模型进行交叉验证，得到所述预设PNN模型在不同的所述平滑因子下的准确率，并确定所述准确率最高时，对应的所述平滑因子作为目标参数；

构建单元，用于根据所述预设PNN模型和所述目标参数，构建齿轮箱故障检测模型；

第二确定单元，用于通过所述齿轮箱故障检测模型，确定所述待测齿轮箱的故障类型。

4.根据权利要求3所述的装置，其特征在于，所述提取单元还用于：对于每组以固定采样长度采样的所述原始振动信号，根据所述原始振动信号，通过连续小波变化构建三阶张量；

通过核一致诊断法确定所述三阶张量的主成分数；

根据所述三阶张量和所述主成分数，通过平行因子分析法对所述三阶张量分解得到对应的三线性模型；

提取所述三线性模型中的频率信号和时域信号，并根据所述频率信号确定所述频率信号对应的重心频率，以及，根据所述时域信号确定所述时域信号对应的峭度指标；

根据所述重心频率和所述峭度指标，构建所述特征向量。

5.根据权利要求3所述的方法，其特征在于，第一确定单元还用于：初始化相关参数，所述相关参数包括用于从所述预设参数范围中搜索所述目标参数的向量的数量、最大迭代次数、向量的初始位置和初始全局最优位置；

对于每个所述向量，基于第一预设规则更新所述向量的初始位置，得到位置更新后的向量；

将所述位置更新后的向量与满足预设条件的所述向量进行合并，得到第一新向量；

将所述第一新向量所处位置对应的参数作为所述平滑因子带入所述预设PNN模型进行交叉验证，并确定所述预设PNN模型在当前平滑因子下的所述准确率；

根据所述预设PNN模型在当前平滑因子下的所述准确率与所述初始全局最优位置对应的所述准确率进行对比，确定所述准确率较高的位置作为新的最优位置；

根据所述新的最优位置，基于第二预设规则更新所述第一新向量，得到第二新向量；

将所述第二新向量所处位置对应的参数作为所述平滑因子带入所述预设PNN模型进行交叉验证，并确定所述预设PNN模型在当前平滑因子下的所述准确率；

根据所述预设PNN模型在当前平滑因子下的所述准确率与所述新的最优位置对应的所述准确率进行对比，确定所述准确率较高的位置作为目标最优位置；

将所述目标最优位置作为所述初始全局最优位置，并从基于第一预设规则更新所述向量的初始位置，得到位置更新后的向量起，重复上述步骤，直至迭代次数大于或等于所述最大迭代次数；

确定最后一次迭代得到的所述目标最优位置对应的所述平滑因子，作为所述目标参数。

6.根据权利要求3所述的装置，其特征在于，所述装置还包括：降噪单元，用于通过小波包变换对所述原始振动信号进行降噪处理，得到降噪后的振动信号；

则提取单元还用于：

将所有降噪后的振动信号中以固定采样长度采样的所述降噪后的振动信号的特征进行提取，得到以所述固定采样长度下每次采样对应的表征所述待测齿轮箱工况的特征向量。

7.一种电子设备，其特征在于，所述电子设备包括相互耦合的处理器及存储器，所述存储器内存储计算机程序，当所述计算机程序被所述处理器执行时，使得所述电子设备执行如权利要求1或2所述的方法。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如权利要求1或2所述的方法。