1.一种基于奇异值谱流形分析的齿轮箱故障诊断方法，其特征在于，所述方法以下步骤：步骤1、获取齿轮箱的多种故障振动信号，进行预处理后将其对应形成多个一维原始振动信号数据，并分别进行相空间重构处理，得到多个原始振动信号数据的二维矩阵；

步骤2、对重构的二维矩阵进行奇异值分解，得到二维矩阵的奇异值谱；

步骤3、通过计算奇异值谱的斜率来提取奇异值谱流形拓扑结构特征，从而获得奇异值谱流形特征；

步骤4、采用奇异值谱流形特征数据训练支持向量机，完成故障诊断模型的构建；

步骤5、将待测齿轮箱的振动信号数据输入故障诊断模型，输出待测齿轮箱的故障诊断分类结果。

2.根据权利要求1所述的一种基于奇异值谱流形分析的齿轮箱故障诊断方法，其特征在于，所述故障振动信号数据包括外圈故障、内圈故障、组合故障、齿根腐蚀故障以及齿根断裂故障。

3.根据权利要求1所述的一种基于奇异值谱流形分析的齿轮箱故障诊断方法，其特征在于，步骤S1中相空间重构处理的过程包括获取齿轮箱的一维振动信号向量X＝[x1,x2,…,xN]，将其重构成二维Hankel矩阵其中，xp表示第p个采样点对应的振动信号；xq表示第q个采样点对应的振动信号；1＜p＜N，1＜q＜N；且N＝p+q；N为齿轮箱的振动信号的采样点数。

4.根据权利要求3所述的一种基于奇异值谱流形分析的齿轮箱故障诊断方法，其特征在于，所述步骤S2包括将p×q大小的二维矩阵A∈Rp×q进行如下变换：A＝U∑VT；其中，U和V为两个正交矩阵，T表示转置；U＝[u1,u2,...,up]∈Rp×p；V＝[v1,v2,...,vq]∈Rq×q；∑＝[diag(λ1,λ2,...,λn),O]∈Rp×q为奇异值矩阵，是一个对角矩阵，除了对角线的元素以外，其余元素均为0；n＝min(p,q)，λ1＞λ2＞...＞λn为得到的奇异值，SVs＝[λ1,λ2,...,λn]为得到的奇异值谱。

5.根据权利要求3所述的一种基于奇异值谱流形分析的齿轮箱故障诊断方法，其特征在于，所述步骤S3中奇异值谱流形特征的获取方式包括通过计算每相邻两个奇异值λi和λi+1的斜率，将获得的n-1个奇异值谱斜率构成的向量SLs＝[β1,β2,…,βn-1]作为奇异值谱流行特征； i∈{1,2,...,n-1}；n＝min(p,q)。

6.根据权利要求3所述的一种基于奇异值谱流形分析的齿轮箱故障诊断方法，其特征在于，所述采用奇异值谱流形特征数据训练支持向量机包括采用奇异值谱流形特征数据训练支持向量机，并采用竞争机制烟花算法优化支持向量机参数，具体包括：S401、利用烟花算法随机选择出两组烟花参数，分别对应支持向量机的一组核函数参数和一组惩罚函数参数；

S402、将每一个核函数参数和每一个惩罚函数参数构建出一个支持向量机；将奇异值谱流形特征数据输入至每个支持向量机中，输出故障诊断的识别率；

S403、按照识别率排序，分别选择出具有较大识别率的支持向量机所对应的核函数参数以及惩罚函数参数；

S404、采用竞争机制烟花算法对步骤S403选择出的核函数参数以及惩罚函数参数进行寻优，寻优后的结果作为新的一组核函数参数和一组惩罚函数参数，并返回步骤S402，直至选择出识别率最高的支持向量机所对应的核函数参数和惩罚函数参数，即最佳的核函数参数和惩罚函数参数。

7.一种基于奇异值谱流形分析的齿轮箱故障诊断系统，其特征在于，所述系统包括：加速度传感器，用于提取齿轮箱的故障振动信号；

滤波器，对提取出的齿轮箱故障振动信号进行滤波；

数据重构模块，用于对滤波后的一维原始振动信号进行相空间重构处理，并获得二维Hankel矩阵；

数据分解模块，用于对重构处理后的数据进行奇异值分解，获得二维矩阵的奇异值谱；

数据特征模块，用于对奇异值谱数据进行处理获得奇异值谱流行特征；

模型生成模块，用于将数据特征模块输出的特征数据对支持向量机进行优化训练，生成故障诊断模型；

故障诊断模块，用于调用模型生成模块生成的故障诊断模型，对待测齿轮箱的振动信号数据进行预测，输出待测齿轮箱的故障诊断分类结果。

8.根据权利要求7所述的一种基于奇异值谱流形分析的齿轮箱故障诊断系统，其特征在于，所述滤波器为改进的自适应Unscented卡尔曼滤波器。

9.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1～6任一所述的一种基于奇异值谱流形分析的齿轮箱故障诊断方法的步骤。

10.一种基于奇异值谱流形分析的齿轮箱故障诊断设备，包括存储器、处理器以及在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1～6任一所述的一种基于奇异值谱流形分析的齿轮箱故障诊断方法的步骤。