1.一种旋转机械故障分类的测试集重构和预测方法，其特征在于：包括以下步骤：S01，利用加速度传感器来提取故障件的振动信号，获取旋转机械故障数据；

S02，构建旋转机械故障分类的指标特征，利用软件计算出旋转机械的波形、脉冲、裕度、峰值和峭度五个无量纲指标；

S03，选择SVM和KNN两种分类算法进行故障分类，故障分类结构满足pii＞pij成立，j≠i,i,j＝1,2,…,n，其中pij表示实际类型为i而分类算法预测为类型j的比例，pii表示实际类型为i而分类算法预测为类型i的比例，n为故障分类的类型数目，若故障分类结构不满足pii＞pij成立，j≠i,i,j＝1,2,…,n，则返回S02重新构建旋转机械故障分类的指标特征；

S04，对旋转机械故障分类的测试集进行重构；

S05，建立新的测试集下待测样本的预测标签确定方法，首先利用分类算法确定样本集合中各测试样本的预测标签，建立如下的投票机制，将样本集中预测为同一类型的个数进行统计，若样本集中预测标签h的统计数量最大且唯一，则新构建的测试样本集的标签为h；

若预测标签统计数量最大的不止一种，则随机选择一个统计数量最大的标签作为样本集合中各测试样本的预测标签。

2.根据权利要求1所述的一种旋转机械故障分类的测试集重构和预测方法，其特征在于：S02中，波形、脉冲、裕度、峰值和峭度指标的具体计算方式如下：波形指标：

峰值指标：

脉冲指标：

裕度指标：

峭度指标：

式中，Xrms为信号的均方根值， 为信号的平均幅值，Xmax为信号的最大值，Xr为信号的方根幅值，β为峭度，N表示构成样本的信号采样点个数，Xi表示振动幅值，i表示采样点的下标索引。

3.根据权利要求1所述的一种旋转机械故障分类的测试集重构和预测方法，其特征在于：S04中，具体步骤为根据所要达到的预测效果，确定测试样本关联长度l，设sample(1),sample(2),…,sample(m)为原测试集样本，按如下方式进行测试样本集的重构：其中，S1,S2,…,Sm为重新构建的测试集样本集合。