1.一种高速旋转器件故障诊断装置，其特征在于：其包括轨道基、轨道、高速旋转器件和故障诊断设备；所述高速旋转器件沿轨道在轨道基上高速旋转，其上设置有监测点；所述故障诊断设备正对着所述监测点，固定在轨道基上；所述故障诊断设备为非接触监测装置，具有信号采集、信号脉冲特征提取和故障类型判别的功能，用于采集监测点的信号；所述信号脉冲为二维信号脉冲。

2.根据权利要求1所述的高速旋转器件故障诊断装置，其特征在于：所述故障诊断设备还包括声音、光电指示灯，用于准确提示故障类型。

3.一种采用权利要求1或2高速旋转器件故障诊断装置的高速旋转器件故障诊断方法，包括下述步骤：

(1)对故障模式进行定义，A1模式：高速旋转器件脱离轨道；A2模式：高速旋转器件静止不动；A3模式：高速旋转器件间歇旋转；A4模式：高速旋转器件速度偏低；A5模式：高速旋转器件严重磨损，速度正常，脉冲信号占空比变小；

(2)故障诊断设备采用非接触方式采集高速旋转器件的时频信号，所述信号为二维信号，采集信号后，对高速旋转器件对应的时频信号进行稀疏表示；

(3)通过时频信号进行稀疏表示的方法提取高速旋转器件特征，在信号特征提取时，分别提取高速旋转器件时频能量分布统计特征，时域和频域分布的能量均值E、能量最大值Emax、能量最小值Emin、能量极差Ed，以及能量分布满足特殊分布函数或者谱模型时，原始时域信号的统计特征；将提取的各类特征组合为特征集F{·}用于描述步骤(1)中高速旋转器件故障模式；

(4)对故障模式进行编码，不同的特征集F{·}对应于不同的故障模式编码；

(5)对于故障诊断设备后续实时采集的高速旋转器件的特征集F{·}通过如人工神经网络方法、支持向量机、随机森林、Bagging算法和Boosting算法的模式判别的方法，与事先定义的故障模式特征集F{·}进行判别，构建特征集合特征集F{·}与故障模式编码之间的线性或非线性映射关系，实现对应故障类型的判别。

4.根据权利要求3所述的高速旋转器件故障诊断方法，其特征在于：所述步骤(2)中时频信号进行稀疏表示的方法为如Gabor变换，小波变换的线性时频分析法；如Wigner-Ville分布谱分析的双线性时频分析法；如基于基函数分解表示的投影追踪算法和匹配追踪算法的自适应信号分解方法；以及应用Hilbert-Huang时频分析法与线性、双线性时频分析方法和自适应分解方法的组合。