技术特征：
1.一种磁悬浮转子系统的故障智能诊断方法，其特征在于，包括以下步骤：1)采集不同故障情况下的磁悬浮转子系统的轴心轨迹图；2)对各轴心轨迹图进行提纯去噪处理；3)通过hu不变矩理论将各轴心轨迹图转为对应的7个不变矩，7个不变矩形成一个特征向量；4)通过帝国竞争算法(ica)对各轴心轨迹图的特征向量进行筛选精简，剔除不合格轴心轨迹图；5)用精简后多个不同故障情况下轴心轨迹图的特征向量对有向无环图支持向量机(svm)模型进行分类训练；6)提取故障中磁悬浮转子系统的轴心轨迹图，将提取的轴心轨迹图输入训练后的支持向量机(svm)模型中进行分类识别，通过分类识别结果判断出对应的故障类型。2.根据权利要求1所述的磁悬浮转子系统的故障智能诊断方法，其特征在于，所述步骤1)中提取磁悬浮转子系统轴心轨迹的方法为：1.1)通过位移传感器捕捉磁悬浮轴承转子系统的轴心位移信号；1.2)使用数据采集卡将位移信号采样保存，并转存到数据库；1.3)通过matlab对位移信号进行小波变换去噪处理，得到转子的运动轨迹。3.根据权利要求1所述的磁悬浮转子系统的故障智能诊断方法，其特征在于，所述步骤2)中，对各轴心轨迹图进行提纯去噪处理的具体过程包括以下步骤：采用canny算子算法高斯滤波去除轴心轨迹图噪声，再对轴心轨迹图依次进行边缘提取、二值化、填充处理。4.根据权利要求1所述的磁悬浮转子系统的故障智能诊断方法，其特征在于，在所述的步骤4)中，不合格轴心轨迹图为梅花形或紊乱形干扰轨迹。5.根据权利要求1所述的磁悬浮转子系统的故障智能诊断方法，其特征在于，在所述的步骤5)中，先对各种轨迹进行两两组合，分别进行二分类，根据识别的准确率设置最佳的分类节点。6.根据权利要求1所述的磁悬浮转子系统的故障智能诊断方法，其特征在于，所述步骤1)中，轴心轨迹图的形状为4种，分别为外八字形、椭圆形、内八字形和月牙形；在所述的步骤5)中，有向无环图支持向量机的底层节点分别为外八形、椭圆形、内八形和月牙形。7.根据权利要求6所述的磁悬浮转子系统的故障智能诊断方法，其特征在于，在所述的步骤1)中，所述的不合格轴心轨迹图是指具有不属于用于分类的4种轴心轨迹图的不变矩特征。8.根据权利要求1所述的磁悬浮转子系统的故障智能诊断方法，其特征在于，在所述的步骤5)中，有向无环图svm是将多个二分类支持向量机组合在一起，对于一个n元的分类问题，一共有n(n-1)/2个二分类器与内部节点，最后产生n个叶子节点，即n个最终分类.训练分类开始时，由第一个节点，即根节点出发一次得到下一层的分类导向，最后得到所需分类。9.根据权利要求8所述的磁悬浮转子系统的故障智能诊断方法，其特征在于，轴心轨迹图的形状为4种，分别为外八字形、椭圆形、内八字形和月牙形；在所述的步骤5)中，将外八字形和内八字形的轨迹分别与椭圆形和月牙形轨迹进行组
合，形成外八字形+椭圆形，外八字形+月牙形，内八字形+椭圆形，内八字形+月牙形的两两组合的子集，利用之前寻优后得到的训练样本输入到已设置的有向无环图svm支持向量机进行训练，然后将测试样本输入到训练的svm模型中进行测试。10.根据权利要求8所述的磁悬浮转子系统的故障智能诊断方法，其特征在于，将样本集数据被等分为4个子集，每个子集中的样本数为40，每个子集是测试集。