1.一种汇流旋涡冲击振动识别方法，其特征在于：所述识别方法包括以下步骤：

1)将单路或多路振动传感器安装于测点位置，根据识别过程的数据量与处理精度需求，设定相应的采样参数，采集旋涡冲击振动实时物理信号；

2)提取振动信号静态参数，得到时域特征参数与频域特征参数；

3)提取冲击振动瞬态特征向量，过程如下：

3.1)对采集到的汇流旋涡冲击振动信号进行数字滤波处理，剔除异常冲击干扰，去除基础振动分量；

3.2)将经过预处理的旋涡冲击振动信号数据进行经验模态分解处理，得出一定数量的本征模态函数序列；

3.3)采用二进制指数退避算法确定本征模态函数序列的长度，保证所分解出来的本征模态函数序列包含了旋涡冲击振动信号在不同时间尺度的局部特征；

3.4)采用一阶导数零点法与极值点连续性延拓法来消除因经验模式分解处理过程中易于出现的拟合过冲与端点飞翼效应；

3.5)对本征模态函数进行希尔伯特变换，从而得该信号的希尔伯特谱、时频能量谱特性，进而提取上述旋涡冲击振动序列的各频率成份的模态函数，组建不同目标状态所对应的冲击振动瞬态特征向量；

4)规格化处理

将时域特征参数。频域特征参数和冲击振动瞬态特征向量纳入统一的正交基向量空间，采用LBG方法建立面向上述3类特征向量的最优量化器，结合最邻近搜索方法，逐步消除量化过程中的冗余胞腔，得到规格化向量序列；

5)通过多维度信息融合的方法实现对汇流旋涡冲击振动状态的识别。

2.如权利要求1所述的一种汇流旋涡冲击振动识别方法，其特征在于：所述步骤5)中，对经过矢量量化处理的特征向量进行全局特征级融合与多尺度信息融合，所述的全局特征级融合，采用并联方式，通过自适应卡尔曼滤波方法建立时域特征向量、频域特征向量、瞬态特征向量之间的过程协方差矩阵与噪声协方差矩阵，得到各个汇流旋涡冲击状态的最优估计；所述的多尺度信息融合，采用卷积神经网络与自相关函数相融合方法，在保证各个向量独立性的基础上，对振动信号数据流进行多尺度分级采样，得到目标状态实时观察值序列。

3.如权利要求1或2所述的一种汇流旋涡冲击振动识别方法，其特征在于：所述步骤2)中，所述的时域特征参数号包含时域最大值、时域最小值、时域峰峰值、时域方差、时域均方根、速度、加速度、时域冲击峭度和时域冲击偏度，该10个特征参数组成旋涡冲击振动时域特征向量；

所述的频域特征参数包含频域最大值、频域最小值、频域峰峰值、频域方差、频域重心、频域谐波总量、特征频率偏度、特征频率峰度和功率谱密度，该10个特征参数组成旋涡冲击振动频域特征向量。