1.一种行星齿轮箱故障检测方法，其特征在于，包括如下步骤：步骤1：模拟行星齿轮箱各种故障状态，分别采集故障数据，计算原始特征参数，构建训练数据集；步骤2：计算各故障状态两两之间的高斯核函数；步骤3：计算余弦相似性度量矩阵，余弦相似性度量矩阵的元素为矩阵块Aij，i和j表示故障的类数；步骤4：计算类间分离度和类内分离度，并根据类间分离度和类内分离度计算类分离度；步骤5：降维计算，选择故障特征参数；步骤6：通过步骤5选择的故障特征参数重复步骤1-3，计算各故障状态两两之间的高斯核函数和Aij，这里需要计算满足i＜j的Aij，然后按照Aij从小到大的顺序，从根节点开始逐层构建决策导向无环图支持向量机的结构；步骤7：使用步骤6构建的决策导向无环图支持向量机的结构进行行星齿轮箱故障检测。

2.如权利要求1所述的一种行星齿轮箱故障检测方法，其特征在于，步骤1中，原始特征参数包括反映时域信号的幅值和能量大小的参数、反映时域信号的时间序列分布情况的参数、反映频域能量的大小的参数、反映主频带位置的变化的参数和反映频谱的分散或者集中程度的参数。

3.如权利要求1所述的一种行星齿轮箱故障检测方法，其特征在于，步骤3中，余弦相似性度量矩阵形式的计算公式如下：公式中n表示行星齿轮箱故障总共的类数，其中，任意一个元素为Aij，Aij的计算公式如下：公式中m表示训练数据的个数，其中，任意一个元素为cosθ(Φ(xia),Φ(xj b))，表示第i类故障的第a个训练数据和第j类故障的第b个训练数据之间的余弦相似性度量，a,b＝

1,2,3...,m。

4.如权利要求3所述的一种行星齿轮箱故障检测方法，其特征在于，步骤4中，类间分离度的计算公式如下：类内分离度的计算公式如下：

类分离度的计算公式如下：

5.如权利要求4所述的一种行星齿轮箱故障检测方法，其特征在于，步骤5降维计算的具体过程如下，重复步骤1-4计算类分离度Jc，c＝1,2,...,p，P表示原始特征参数的个数，c表示第c个原始特征参数，Jc表示去掉第c个原始特征参数后重复步骤1-4计算的类分离度，然后分别计算特征因子，特征因子的计算公式如下：λc＝J-Jc

然后计算特征因子的平均值，若某原始特征参数被去掉后计算的特征因子大于特征因子的平均值，则该原始特征参数被保留，作为故障特征参数，若某原始特征参数被去掉后计算的特征因子不大于特征因子的平均值，则该原始特征参数被移除。

6.如权利要求1所述的一种行星齿轮箱故障检测方法，其特征在于，步骤6中，按照Aij从小到大的顺序，从根节点开始构建前d层决策导向无环图支持向量机的结构，d+1层开始任意排列即可，d的计算公式如下：公式中n表示行星齿轮箱故障总共的类数。