1.一种有载分接开关机械故障诊断方法，其特征在于：包括以下步骤：步骤1：通过加速度传感器采集不少于两个位置的有载分接开关装置运行状态下的振动信号，并进行预处理；

步骤2：对预处理后的不少于两个通道振动信号分别进行GA-VMD分解，并提取能量熵和模糊熵构造特征向量，作为耦合隐马尔可夫模型的观测值矩阵输入；

步骤3：对步骤2所求得的特征向量输入耦合隐马尔可夫模型进行训练，建立耦合隐马尔可夫模型运行状态模型；

步骤4：将测试集输入步骤3所得的运行状态模型中，根据最大似然概率判断有载分接开关所处状态及故障类型。

2.根据权利要求1所述的一种有载分接开关机械故障诊断方法，其特征在于，所述预处理包括：指对采集到的不少于两个通道振动信号分别进行对齐，截取同样长度，并进行小波变换阈值降噪处理，再将每个通道振动信号平均分段。

3.根据权利要求1所述的一种有载分接开关机械故障诊断方法，其特征在于，所述故障类型包括载分接开关主弹簧断裂、触头磨损、弹簧断裂和触头磨损、弧形板拆除、选择开关触头松动以及卡涩。

4.根据权利要求1所述的一种有载分接开关机械故障诊断方法，其特征在于，所述步骤

2中，对振动信号分别进行GA-VMD分解，具体包括：

1)对VMD的分解模态数K和模态初始中心约束强度α进行浮点数编码后组成不同个体(Ki,αi)，形成初始种群{(K1,α1),(K2,α2),…,(KN,αN)}，其中N为种群中个体数；

2)在种群中选择个体参数(Ki,αi)，对原始信号x(t)的Ki个本征模态函数 相应的中心频率 拉格朗日算子 和迭代次数n进行初始化；

3)对每一模态的 和 参数进行更新，其表达式为:其中，ω为原始信号的频率；

4)根据以下表达式更新拉格朗日乘子：

其中，τ为拉格朗日乘子更新的时间步长；

5)对于给定的判别精度e>0，判断

若满足条件则停止迭代转到步骤6)，否则返回步骤3)；

6)对分解后的Ki个IMF分量分别按照幅值划分为m个等长连续小区间Y＝{y1,y2,…,ym-1,ym}，其中ym∈[xmin,xmax],并计算IMF信息熵：其中，pj是幅值在ym区间的概率，count(ym)是幅值在ym区间内的离散点个数。

7)计算按照个体参数(Ki,αi)分解后的IMF分量品质因数Q：Q＝C/Δ

其中，差异系数 为Ki个IMF信息

熵的平均值，原始信号与重构信号之间误差

8)计算品质因数的倒数1/Q作为个体(Ki,αi)的适用度函数，并重复步骤2)-7)计算出种群中Ki个个体的适应度；

9)采用轮盘赌的方式对种群中个体按照适应度值进行筛选，筛选出N个个体进行交叉、变异操作，形成下一代种群，重复步骤2)-9)，判断迭代次数大于设定值，则转入步骤10)，否则返回2)；

10)选择种群中适应度最小的个体参数作为VMD分解的最优参数，并进行分解。

5.根据权利要求1所述的一种有载分接开关机械故障诊断方法，其特征在于：在步骤2中，提取能量熵和模糊熵构造特征向量，具体内容为：

1)计算原始信号x(t)分解后Ki个本征模态函数 的能量：式中xik为各离散点的幅值,并计算Ki个本征模态函数 的VMD能量熵分解系数：其中 且 则Hj为第j个VMD能量熵分解系数；

2)对分解后的Ki个本征模态函数 进行相空间重构：其中，j＝1,2,…,N-m+1，

再计算其模糊熵：

FuzzyEn(m,r,N)＝InΦm(r)-InΦm+1(r)其中， 为窗口向

量sm[j]和sm[l]的模糊隶属函数；

3)将Ki个本征模态函数 的能量熵和模糊熵依次排列成行向量，作为特征向量。

6.根据权利要求1所述的一种有载分接开关机械故障诊断方法，其特征在于：所述步骤

3中还包括，把样本分为训练集和测试集，训练集用于有载分接开关运行状态模型的训练，测试集作为测试数据。

7.根据权利要求1所述的一种有载分接开关机械故障诊断方法，其特征在于：所述步骤

3中，在耦合隐马尔可夫模型中，每个通道的特征集作为外在表现出的观测值形成观测链，并且通过两个高斯分量高斯混合模型对输入的特征集进行拟合，形成观测概率矩阵进行模型训练。