1.一种旋转机械微弱故障信号检测方法，其特征在于，具体按照以下步骤实施：步骤1，利用振动传感器采集旋转机械轴承故障振动信号和正常振动信号；

步骤2，将步骤1采集到的故障振动信号进行变分模态分解，得到多个不同频段的变模态分量，其中，变模态分解具体包括下述步骤：步骤2.1，设定步骤1采集到的故障振动信号被变模态分解为K个带宽之和最小的变模态分量，每个变模态分量均可以表示为一个调频-调幅的模态函数uk(t)，要求K个模态函数uk(t)的带宽之和最小，且K个模态函数uk(t)之和为输入信号f(t)：在式(1)中：Ak(t)是uk(t)的瞬时幅值，Ak(t)≥0； 为uk(t)的瞬时相角，对 关于时间求倒，得到uk(t)的瞬时频率wk(t)，具体算法如下：估计模态函数uk(t)带宽之和最小的目标，具体按照以下步骤实施：步骤2.1.1，对每个模态函数uk(t)进行Hibert变换，得到每个模态函数uk(t)的解析信号，具体按照以下算法实施：在式(3)中：δ(t)为单位脉冲函数；j为虚数单位；*为卷积；

步骤2.1.2，经步骤2.1.1后，利用指数修正，将每个模态函数uk(t)的频谱调制到各自估算的中心频率，具体按照以下算法实施：在式(4)中：δ(t)为单位脉冲函数；j为虚数单位；*为卷积；wk为uk(t)的中心频率；

步骤2.1.3，计算式(4)中解调信号的梯度的平方L2范数，估算出各模态函数的带宽，得到其对应的约束变分问题，具体算法如下：在式(5)中：{uk}＝{u1，u2，…uK}为各模态函数集；{wk}＝{w1，w2，…wK}为各模态中心频率；为对函数求时间t的偏导数；δ(t)为单位脉冲函数；j为虚数单位；*为卷积；f(t)为输入信号；

步骤2.2，将步骤2.1中的约束变分问题转化为非约束变分问题，引入增广拉格朗日函数L，具体形式如下：在式(6)中：α为带宽参数，λ(t)为拉格朗日乘子；δ(t)为单位脉冲函数；j为虚数单位；*为卷积；f(t)为输入信号；

步骤2.3，采用交替方向乘子算法求取步骤2.2中式(6)扩展的拉格朗日函数，具体按照以下步骤实施：步骤2.3.1，初始化 n；

步骤2.3.2，经步骤2.3.1后，执行循环n＝n+1；

步骤2.3.3，经步骤2.3.2后，对所有的w≥0，更新泛函 具体按照以下算法实施：在式(7)中：α为带宽参数；n为迭代次数；

更新泛函wk，具体按照以下算法实施：

在式(8)中：n为迭代次数；

步骤2.3.4，经步骤2.3.3后，更新λ，具体按照以下算法实施：式(9)中：τ为噪声容限参数，n为迭代次数；

步骤2.3.5，重复步骤2.3.2～步骤2.3.4，直到满足如下迭代约束条件：则结束迭代，得到K个变模态分量；

步骤3，用互信息模型对步骤2所得的每个变模态分量进行处理，得到每个变模态分量的的敏感系数，计算每个变模态分量的敏感系数具体按照下述步骤进行：骤步3.1，建立互信息模型，给定两个随机的变量X和Y，则随机变量X和Y间的互信息模型为：其中，p(x)为随机变量X的边缘概率分布，p(y)为随机变量Y的边缘概率分布，p(x，y)为随机变量X和Y的联合概率分布；

步骤3.2，根据步骤3.1得到的互信息模型计算步骤2中得到的每个变模态分量ci(t)(i＝1，2，…，n)与故障震动信号x(t)之间的互信息MIi，并做归一化处理，得到归一化后每个变模态分量ci(t)(i＝1，2，…，n)与故障震动信号x(t)之间的互信息ai：ai＝MIi/max(MIi)   (12)，

根据步骤3.1得到的互信息模型计算步骤2中得到的每个变模态分量ci(t)(i＝1，2，…，n)与正常振动信号y(t)之间的互信息MI’i，并做归一化处理，得到归一化后的每个变模态分量ci(t)(i＝1，2，…，n)与正常振动信号y(t)之间的互信息bi：bi＝MI′i/max(MI′i)   (13)；

步骤3.3，步骤3.2完成后，计算每个变模态分量的敏感系数：λi＝ai/bi   (14)，

步骤4，对步骤3得到的敏感系数进行筛选，选取数值大于1的敏感系数，并将所选取的敏感系数对应的变模态分量作为故障振动信号的敏感分量；

步骤5，对步骤4得到的每个敏感分量进行频谱分析，找到旋转机械的故障特征频率，完成对旋转机械振动故障的诊断。