1.一种风电机组故障诊断方法，其特征在于，包括以下步骤：

(1)采集不同工况下的风电机组齿轮箱故障诊断信号，并对其进行预处理；

(2)对不同工况下的辅助振动信号与目标振动信号进行变分模态分解，用中心频率观察法选择合适的本征模函数分解数量K和依据信噪比选择合适的二次惩罚因子α；

(3)求各模态分量的多尺度排列熵并提取振动信号的时域特征，分别组合构建不同工况下振动信号的特征样本集；

(4)通过对不同工况下振动信号的特征样本集进行相关度的计算，选择相关度较高的特征样本集作为可与目标域Dt进行有效迁移的源域Ds；

(5)将源域与目标域的特征向量进行协方差对齐，将已经与目标域对齐的源域特征样本集输入支持向量机中，最终得到训练模型；

(6)将目标特征样本集输入到训练模型中，获得故障诊断结果。

2.根据权利要求1所述的一种风电机组故障诊断方法，其特征在于，所述步骤(2)包括以下步骤：(21)在对振动信号进行变分模态分解时，选择合适的分解模态数K，使用的中心频率观察法是对取不同K值时进行变分模态分解后对各IMF分量的中心频率进行观察，当取K+1时开始出现中心频率相近的模态分量，且最大中心频率不再增加，即出现过分解现象，故确定IMF分解数量为K；

(22)依据信噪比选择合适的二次惩罚因子，当选择的二次惩罚因子逐渐增大时，振动信号的信噪比逐渐减小并趋于平稳，二次惩罚因子的选择为信噪比值大幅度下降与趋于平稳的“拐点”时对应的取值。

3.根据权利要求1所述的一种风电机组故障诊断方法，其特征在于，步骤(4)所述相关度的计算如下：其中，CZi为两个变量X,Y线性相关程度，Zi为源域数据工况类型标签，cov(X,Y)表示对变量X,Y求协方差，σX，σY分别表示变量X,Y的标准差；

当源域有多个不同工况下的变量时，求综合相关度Cw：

其中，Cw∈[0,1]，且其值越大，综合相关度越高，Z为源域工况类型数，PZi为源域中各工况类型数据比例。

4.根据权利要求1所述的一种风电机组故障诊断方法，其特征在于，步骤(5)所述的将源域与目标域的特征向量进行协方差对齐时使用Frobenius范数作为矩阵距离度量：其中CS,CT分别是Ds，Dt的协方差矩阵， 是源域特征DSA变换后的协方差，且都是对称矩阵； 表示Frobenius范数；

对上述距离度量方程求最优解：

5.根据权利要求1所述的一种风电机组故障诊断方法，其特征在于，步骤(5)所述的将已经与目标域对齐的源域特征样本集输入支持向量机中时用交叉验证对其参数进行寻优。