1.一种基于特征选取和马氏距离的电机健康监测和异常诊断方法，其特征在于：所述方法包括以下步骤：步骤一、采集正常工作状态下的电机信号，包括振动、电流和转速信号；

步骤二、对所述电机信号进行特性计算得到特征空间，分别是对振动信号进行时域特征的计算，包括有效值、最大峰值、峰峰值、峭度、平均值、方差、标准方差、偏斜度、波峰系数和功率；同时计算电流的有效值和电机转速，并将所述计算的特征构建一个特征空间；

步骤三、对步骤二得到的特征空间中的特征，运用最小冗余最大相关的特征选取技术选取出用于马氏距离计算的特征向量；

步骤四、对步骤三得到的特征向量，进行特征向量的统计参数：平均值和标准方差的计算，用于特征向量的标准化；对标准化后的特征向量，计算其相关矩阵及其逆矩阵，和计算马氏距离，并构建出表示电机正常工作状态下的马氏空间；

步骤五、对未知健康状态的测试电机经过步骤一的信号采集和步骤二和步骤三选取的特征向量计算，运用正常工作状态下的电机特征向量的统计参数，对测试电机的特征向量进行标准化，并运用正常工作状态下的相关矩阵的逆矩阵，进行测试电机的马氏距离计算；

步骤六、将步骤五计算得到的测试电机的马氏距离与步骤四得到的马氏空间做比较，若测试电机所对应的马氏距离在马氏空间内，表示测试电机工作正常，反之则表示电机工作异常。

2.如权利要求1所述的一种基于特征选取和马氏距离的电机健康监测和异常诊断方法，其特征在于：所述步骤三中，特征fi与特性fj之间的相关信息用I(fi,fj)表示，特征fi与不同电机c之间的相关信息用I(c,fi)表示，最小冗余的标准是指特征与特征之间的相关性要减少到最小，用 表示，其中|E|表示在特征空间S中选取的子特性空间E特征的数目，最大相关的标准是指特征与电机之间相关性要保持最大，即所选的特征最能代表电机的健康情况，用 表示，最终可用比例形式或差分方式 对每个特征进行评分，选取得分大于零的特征构

建成特征向量。

3.如权利要求1或2所述的一种基于特征选取和马氏距离的电机健康监测和异常诊断方法，其特征在于：所述步骤四中，对正常工作状态下的电机信号基于步骤三选取的特征向量构成训练数据用P表示，pij是指对第j个特征第i次测量得到数据，j＝1,2,...,n，i＝1,

2,...,m，n为特征向量中特征的数目，m为对正常工作状态下电机信号采集的次数；

计算正常工作状态下，第j个特征的平均值 和标准方差

然后运用这两个统计参数对训练数据标准化计算，如下：

对标准化后的训练数据z，计算相关矩阵 其中zi＝[zi1,zi2,...zin]之后计算训练数据的马氏距离：

依据计算出来的表示正常工作状态下的马氏距离值，设定健康的阀值，构成马氏空间。