技術特征：

1.一種旋轉電機故障診斷的時頻分析方法，其特征在于，所述方法包括：

a.采集旋轉電機單相的電流數(shù)據(jù)；

b.用單相鎖相環(huán)計算出所述電流數(shù)據(jù)實時的供電頻率曲線；

c.用滑動窗在被采集的電流數(shù)據(jù)上滑動；

d.對所述被滑動窗覆蓋的電流數(shù)據(jù)在[0,B_p]的頻帶內實施自適應細化過程，得到細化后的電流數(shù)據(jù)；其中B_p是細化頻帶寬度，B_p由供電頻率確定；

e.對所述新的電流數(shù)據(jù)實施自適應高精度諧波估計算法，估計出新的電流數(shù)據(jù)所包含的全部諧波信息，所述諧波信息包括諧波的頻率和幅值；

f.重復上述c-e步驟，直至所述滑動窗移動到被采集的電流數(shù)據(jù)的末尾，最終生成時頻圖案；

g.根據(jù)時頻圖案出現(xiàn)的故障特征脊線，確定存在的故障類型。

2.根據(jù)權利要求1所述的方法，其特征在于，所述滑動窗每次滑動的長度不能大于所述滑動窗的寬度。

3.根據(jù)權利要求1所述的方法，其特征在于，所述細化頻帶寬度B_p由滑動窗中心的供電頻率f_s確定。

4.根據(jù)權利要求3所述的方法，其特征在于，所述的B_p＝2f_s。

5.根據(jù)權利要求1所述的方法，其特征在于，所述自適應細化過程包括抗混疊濾波和降采樣，其中所述抗混疊濾波的抗混疊濾波器的階數(shù)N_o和所述降采樣的降采樣倍數(shù)D都隨所述細化頻帶寬度B_p自動調整。

6.根據(jù)權利要求5所述的方法，其特征在于，所述抗混疊濾波器是等紋波FIR濾波器，所述細化頻帶寬度B_p經(jīng)Parks-McClellan算法得到所述階數(shù)No。

7.根據(jù)權利要求5所述的方法，其特征在于，所述降采樣倍數(shù)D按公式計算，其中F_s是電流數(shù)據(jù)的采樣頻率，Ω_x是考慮低通濾波過渡帶的帶寬，η是大于0且小于1的裕度系數(shù)，符號表示對x向下取整；η是預先被確定的常值，Ω_x與B_p的差值是預先被確定的常值。

8.一種旋轉電機的故障診斷方法，其特征在于，所述方法包括權利要求1所述的時頻分析方法和一種故障提取方法；從所述時頻分析方法得到的全部諧波信息需要被整理成{(f_i,A_i)|i∈N⁺}的集合形式給所述故障提取方法處理，其中f_i表示第i個數(shù)據(jù)樣本的頻率，A_i表示第i個數(shù)據(jù)樣本的幅值；所述故障提取方法包括：

a.記錄所述集合中每一個頻率點的出現(xiàn)次數(shù)，做出頻率分布圖，其橫軸量綱是頻率，縱軸量綱是出現(xiàn)次數(shù)；當樣本數(shù)量足夠，凡是存在的諧波都會在所述頻率分布圖中有一個尖峰；提取處于尖峰的故障特征頻率作為故障特征邊頻頻率；

b.將所述集合中所有和故障特征邊頻頻率相匹配的幅值提取出來，記錄每個幅值的出現(xiàn)次數(shù)，做出故障特征邊頻幅值分布圖，其橫軸量綱是分貝，縱軸量綱是出現(xiàn)次數(shù)；

c.用分布函數(shù)擬合所述故障特征邊頻幅值分布圖的統(tǒng)計分布，得到所述故障特征邊頻的幅值期望與幅值方差；所述幅值期望表示故障程度，所述幅值方差表示故障程度偏差。