1.选择集成的改进局部特征分解的微弱故障特征提取方法，其特征在于，包括如下步骤：步骤1，采集振动信号并对振动信号进行归一化处理；

步骤2，对于经归一化处理后的振动信号，采用基于镜像延拓对称点的边界延拓方法对信号两端进行延拓，得到延拓后的振动信号；

步骤3，采用集成选择的改进局部特征尺度分解方法对延拓后的振动信号进行分解，将延拓后的振动信号分解为多个ISC分量；

步骤4，估计每个ISC分量的能量水平，同时计算每个ISC分量在置信度95％和置信度

99％的能量；

步骤5，对于每个ISC分量，根据其在置信度95％和置信度99％的能量，判断其是属于噪声ISC分量还是属于无噪声ISC分量，如果是噪声ISC分量，则进入步骤6，如果是无噪声ISC分量，则进入步骤7；

步骤6，对于噪声ISC分量，采用minmax阈值去噪方法进行去噪；

步骤7，对于无噪声ISC分量，采用自适应加权重叠群稀疏去噪方法进行去噪；

步骤8，对于经过步骤6和步骤7去噪后的ISC分量进行信号重构；

步骤9，对于经过步骤6和步骤7去噪后的ISC分量进行归一化正交处理并进行时频分析，得到瞬时相位和瞬时频率。

2.根据权利要求1所述选择集成的改进局部特征分解的微弱故障特征提取方法，其特征在于，步骤1所述归一化处理的公式如下：其中，x(t)表示t时刻采集的振动信号幅值，min表示采集的振动信号幅值中的最小值，max表示采集的振动信号幅值中的最大值， 表示t时刻归一化后的信号幅值。

3.根据权利要求1所述选择集成的改进局部特征分解的微弱故障特征提取方法，其特征在于，所述步骤2的具体过程如下：获取经归一化处理后的振动信号的所有极大值点、极小值点，以及信号左、右两端的边界点；

对信号左端进行延拓：

当信号左端的第一个极值点为极大值点，第二个极值点为极小值点时，有如下两种情况：如果信号左端边界点的幅值小于信号左端第二个极值点的幅值，则将信号左端边界点作为对称点，对信号左端进行延拓；如果信号左端边界点的幅值大于等于信号左端第二个极值点的幅值，则将信号左端的第一个极值点作为对称点，对信号左端进行延拓；

当信号左端的第一个极值点为极小值点，第二个极值点为极大值点时，有如下两种情况：如果信号左端边界点的幅值大于信号左端第二个极值点的幅值，则将信号左端边界点作为对称点，对信号左端进行延拓；如果信号左端边界点的幅值小于等于信号左端第二个极值点的幅值，则将信号左端的第一个极值点作为对称点，对信号左端进行延拓；

对信号右端进行延拓：

当信号右端的第一个极值点为极大值点，第二个极值点为极小值点时，有如下两种情况：如果信号右端边界点的幅值小于信号右端第二个极值点的幅值，则将信号右端边界点作为对称点，对信号右端进行延拓；如果信号右端边界点的幅值大于等于信号右端第二个极值点的幅值，则将信号右端的第一个极值点作为对称点，对信号右端进行延拓；

当信号右端的第一个极值点为极小值点，第二个极值点为极大值点时，有如下两种情况：如果信号右端边界点的幅值大于信号右端第二个极值点的幅值，则将信号右端边界点作为对称点，对信号右端进行延拓；如果信号右端边界点的幅值小于等于信号右端第二个极值点的幅值，则将信号右端的第一个极值点作为对称点，对信号右端进行延拓。

4.根据权利要求1所述选择集成的改进局部特征分解的微弱故障特征提取方法，其特征在于，所述步骤3的具体过程如下：步骤31，设定要分解的ISC分量的数量为C，初始化i＝1，m＝1，m表示第m种插值方法，插值方法包括Hermit插值均值、Lagrange插值均值、分段多项式插值均值、最小二乘均值、线性插值均值以及单调逐段三次样条插值均值，令r0(t′)为经步骤2得到的延拓后的振动信号；

步骤32，计算信号ri-1(t′)的所有极值点(τk,xk)，τk,xk分别表示第k个极值点的采样时刻和信号幅值，使用第m种插值方法估计每个极值点对应的均值Am(τk)，并对所有的Am(τk)进行插值得到基线 则第i个ISC分量 为：步骤33，判断 是否满足ISC判定准则，如果满足则转到步骤34，否则，找出 的所有极值点，并估计每个极值点的均值，对所有的均值进行插值得到基线 利用对 进行更新，则 判断更新后的 是否满足ISC判定准则，如果满足则转到步骤34，否则，重复上述过程，直至满足ISC判定准则；

步骤34，如果m＝6，则转到步骤35；如果m＜6，则令m＝m+1，转到步骤32；

步骤35，计算第m种插值方法对应的正交性评价指标 并对6种插值方法对应的正交性评价指标的大小进行判断，将最小的正交性评价指标对应的ISC分量作为最终的分量GISCi(t′)；

步骤36，若i＜C，则用残差ri(t′)＝ri-1(t′)-GISCi(t′)代替ri-1(t′)，并令i＝i+1，m＝

1，重复步骤32-35；否则转到步骤37；

步骤37，延拓后的振动信号被分解为C个GISC(t′)以及残差r(t′)，即

5.根据权利要求4所述选择集成的改进局部特征分解的微弱故障特征提取方法，其特征在于，步骤4所述每个ISC分量的能量水平为：其中，Ei表示第i个ISC分量的能量水平，i＝1,2,…,C，ci(t′)表示第i个ISC分量的第t′个部分，t′＝1,2,…,N，N为单个ISC分量的长度；

每个ISC分量在置信度95％和置信度99％的能量分别为：

其中，Eni,95、Eni,99分别表示第i个ISC分量在置信度95％和置信度99％的能量，E1表示第

1个ISC分量的能量水平。

6.根据权利要求4所述选择集成的改进局部特征分解的微弱故障特征提取方法，其特征在于，步骤5所述判断其是属于噪声ISC分量还是属于无噪声ISC分量，判断规则为：规则1：Ei∈[Eni,95,Eni,99]

规则2：Ei∈[Eni,95+α,Eni,99+α]

当某个ISC分量满足规则1和规则2中的至少一个规则时，判定该ISC分量属于噪声ISC分量，否则属于无噪声ISC分量；

其中，Ei表示第i个ISC分量的能量水平，Eni,95、Eni,99分别表示第i个ISC分量在置信度

95％和置信度99％的能量，α表示容限度。

7.根据权利要求4所述选择集成的改进局部特征分解的微弱故障特征提取方法，其特征在于，步骤6所述minmax阈值去噪方法的公式为：其中，

Tmi表示minmax阈值，ci(t′)表示第i个ISC分量的第t′个部分，t′＝1,2,…,N，N为单个ISC分量的长度， 表示去噪后的ci(t′)，Ei表示第i个ISC分量的能量水平。

8.根据权利要求4所述选择集成的改进局部特征分解的微弱故障特征提取方法，其特征在于，步骤9所述瞬时相位和瞬时频率的公式为：其中， fi(t′)分别表示 对应的瞬时相位和瞬时频率， 表示去噪后的ci(t′)，ci(t′)表示第i个ISC分量的第t′个部分。