1.一种基于振动信号时频能量分布特征的断路器故障识别方法，其特征在于，包括以下步骤：步骤A：分别采集断路器处于正常状态下，以及断路器处于操作机构卡涩、铁芯卡涩和基座螺丝松动三种故障状态下的A次实验过程中操作机构的合闸振动信号实验数据；

步骤B：从所述合闸振动信号实验数据种提取各状态下待处理合闸振动信号，并计算各状态下实验数据的时频能量分布特征；

步骤C：根据所述各状态下实验数据的时频能量分布特征训练深度自编码网络；

步骤D：采集实际工程中断路器操作机构的合闸振动信号，从中提取待识别振动信号，计算待识别振动信号的时频能量分布特征；

步骤E：将待识别信号的时频能量分布特征输入训练完成的深度自编码网络中，输出故障识别结果。

2.根据权利要求1所述的基于振动信号时频能量分布特征的断路器故障识别方法，其特征在于，所述步骤B具体为：步骤B1：利用小波变换分别对采集到的各状态下断路器操作机构的合闸振动信号实验数据进行去噪；将各状态下去噪后的振动信号的每个采样点的幅值逐点与阈值α进行比较，当某个点后连续a个采样点的均值大于阈值α时认为合闸振动已经发生，选取该点前T1秒到该点后T2秒时间内的信号作为各状态下待处理合闸振动信号sb(t)，b为断路器状态，b＝0表示正常状态，b＝1表示操作机构卡涩故障，b＝2表示铁芯卡涩，b＝3表示基座螺丝松动；

步骤B2：将各状态下待处理合闸振动信号sb(t)经m层小波包变换后，得到I＝2m个频带的振动信号分量sbi(t)，i＝1,2,…,I；将各频带信号分为时间长度相等的N段，得到I×N个时频子平面；计算各个子平面内振动信号的能量：式中，Eb,i,n表示b类断路器状态下第i频带第n时间段内时频子平面的能量大小，tn、tn+1分别是第n时间段开始及结束的时间；

步骤B3：将时频子平面能量Eb,i,n进行Z-score标准化处理后，按照频率、时间顺序进行排列，得到振动信号的时频能量分布特征式中， 表示b类断路器状态下第v个实验数据的时频能量分布特征；v＝1,2,…,A。

3.根据权利要求2所述的基于振动信号时频能量分布特征的断路器故障识别方法，其特征在于，所述步骤C具体为：步骤C1：将各状态实验数据的时频能量分布特征作为深度自编码网络的训练样本集：

设置正常状态下深度自编码网络的输出层期望为[1，0，0，0]；设置操作机构卡涩故障下深度自编码网络的输出层期望为[0，1，0，0]；设置铁芯卡涩故障下深度自编码网络的输出层期望为[0，0，1，0]；设置操作机构卡涩故障下深度自编码网络的输出层期望为[0，0，0，

1]；

步骤C2：设置深度自编码网络输入层的神经节点数K1等于振动信号时频子平面的数量，即K1＝I×N；设置深度自编码网络输出层的神经节点数K2等于断路器输出层期望的长度，即K2＝4；设置深度自编码网络含有2层隐藏层，第一层隐藏层含有I×N/2个神经节点，第二层隐藏层含有I×N/4个神经节点；设置深度自编码网络的激活函数为sigmoid函数；

步骤C3：将训练样本集T导入深度自编码网络，利用无监督逐层贪婪算法对深度自编码网络进行预训练，再利用误差反向传播算法对深度自编码网络进行微调；当微调过程中误差小于误差阈值δ或迭代次数大于迭代次数阈值ε时，深度自编码网络训练完成，保存训练完成的深度自编码网络。

4.根据权利要求3所述的基于振动信号时频能量分布特征的断路器故障识别方法，其特征在于，所述步骤D具体为：步骤D1：按采样频率f采集实际工程中断路器合闸操作时的振动信号，利用小波变换对该振动信号进行去噪；完成，将去噪后振动信号的每个采样点的幅值逐点与阈值α进行比较，当某个点后连续a个采样点的均值大于阈值α时认为合闸振动已经发生，选取该点前T1秒到该点后T2秒时间内的信号作为待识别振动信号g(t)；

步骤D2：待识别振动信号g(t)经m层小波包变换后，得到I＝2m个频带的信号分量gi(t)，i＝1,2,…,I；将各频带信号分为时间长度相等的N段，得到I×N个时频子平面；计算待识别振动信号各个子平面内振动信号的能量大小Gi,n：式中，Gi,n表示第i频带第n时间段内时频子平面的能量大小，tn、tn+1分别是第n时间段开始及结束的时间；

将待识别信号的时频子平面能量Gi,n进行Z-score标准化处理后，按照频率、时间顺序进行排列，得到将待识别信号的时频能量分布特征Hw：Hw＝[G1,1,G1,2,…,G1,12,G2,1,G2,2,…,G2,N,…,GI,1,GI,2,…,GI,N]。

5.根据权利要求4所述的基于振动信号时频能量分布特征的断路器故障识别方法，其特征在于，所述步骤E中断路器的故障状态的判断方法为：当深度自编码网络的输出层第1个神经节点的输出最大时，断路器目前处于正常状态；当输出层第2个神经节点的输出最大时，断路器目前处于操作机构卡涩故障；当输出层第3个神经节点的输出最大时，断路器目前处于铁芯卡涩故障；当输出层第4个神经节点的输出最大时，断路器目前处于基座螺丝松动故障。

6.根据权利要求1所述的基于振动信号时频能量分布特征的断路器故障识别方法，其特征在于，步骤A中每种类型故障样本的数量不小于200。

7.根据权利要求2或4所述的基于振动信号时频能量分布特征的断路器故障识别方法，其特征在于，所述阈值α的取值为2～5。

8.根据权利要求3所述的基于振动信号时频能量分布特征的断路器故障识别方法，其特征在于，所述误差阈值δ不大于0.005，迭代次数阈值ε不小于20000。

9.根据权利要求2或4所述的基于振动信号时频能量分布特征的断路器故障识别方法，其特征在于，所分的时间段的段数N为12段，小波包层数m为3层。

10.根据权利要求2或4所述的基于振动信号时频能量分布特征的断路器故障识别方法，其特征在于，比较过程中，连续采样点个数a为10个。