1.一种工程装备传动系统故障诊断方法，其特征在于：包括：
对目标数据和辅助数据进行时频变换，将采集到的时域信号变为频域信号；其中：所述目标数据为真实环境下工程装备传动系统对象的振动数据集，所述辅助数据为实验环境下工程装备传动系统对象的振动数据集；
对转换的所述目标数据和所述辅助数据的频域信号，利用深层自动编码器提取故障信号特征；
对所述自动编码器提取的故障信号特征利用迁移学习中的迁移提升树算法，通过每次迁移提升树迭代得到分类器，用于对工程装备传动系统故障进行诊断。
2.根据权利要求1所述的工程装备传动系统故障诊断方法，其特征在于：所述对目标数据和辅助数据进行时频变换，是指：对所述目标数据和所述辅助数据采用快速傅里叶变换的方法进行时频转换。
3.根据权利要求1所述的工程装备传动系统故障诊断方法，其特征在于：所述深层自动编码器的输入为频域信号中m个频率点的幅值，m取1000～5000。
4.根据权利要求1所述的工程装备传动系统故障诊断方法，其特征在于：所述迁移提升树算法中，每次迭代改变目标数据集和辅助数据的权重，增加辅助数据集中有助于训练的数据的权重，同时降低辅助数据集中不重要数据的权重。
5.根据权利要求4所述的工程装备传动系统故障诊断方法，其特征在于：所述迁移提升树算法中，改变目标数据集和辅助数据中故障数据和正常数据的权重，即增加故障数据的权重，同时降低正常数据的权重。
6.根据权利要求1-5任一项所述的工程装备传动系统故障诊断方法，其特征在于：所述对所述自动编码器提取的故障信号特征利用迁移学习中的迁移提升树算法，通过每次迁移提升树迭代得到分类器，具体为：
设深层自动编码提取故障信号特征后的输出为TA和TB，作为迁移提升树算法迭代的输入；设迁移提升树迭代次数n，每个数据的初始权重w，则：
S1，开始迁移提升树算法，利用TA和TB训练一个分类器Lt，以及这个分类器Lt的权重；
S2，用训练好的分类器Lt检测目标数据集经过转换后的数据TA，计算TA整体的错误率β和TA中故障数据的错误率γ；
S3，用分类器Lt预测目标数据集和辅助数据集经过转换后的数据TA和TB，对于辅助数据集中的不一致数据，根据β减小其权重；对于目标数据集中的不一致数据，根据β增大其权重w；
S4，用分类器Lt预测目标数据集中经过转换后的数据TA，对于TA中故障数据中的不一致数据，根据γ增大其权重w；
S5，查看迭代次数，如果达到n，则结束迭代，进行S6，否则进行S1；
S6，取所有训练出来的分类器Lt中的第n/2～第n个分类器及其权重组成最终分类器L，t＝1，2，3,...,n，t表示第t次迭代；用最终分类器L对新的故障数据进行诊断。
7.一种工程装备传动系统故障诊断系统，其特征在于：包括：
时频变换模块，用于对目标数据和辅助数据进行时频变换，将采集到的时域信号变为频域信号；其中：所述目标数据为真实环境下工程装备传动系统对象的振动数据集，所述辅助数据为实验环境下工程装备传动系统对象的振动数据集；
故障信号特征提取模块，用于对转换的所述目标数据和所述辅助数据的频域信号，利用深层自动编码器提取故障信号特征；
故障诊断模块，对所述自动编码器提取的故障信号特征利用迁移学习中的迁移提升树算法，对工程装备传动系统故障进行诊断。
8.根据权利要求7所述的工程装备传动系统故障诊断系统，其特征在于：所述深层自动编码器的输入为频域信号中m个频率点的幅值，m取1000～5000。
9.根据权利要求7所述的工程装备传动系统故障诊断系统，其特征在于：所述故障诊断模块，其中：迁移提升树算法中，每次迭代改变目标数据集和辅助数据的权重，增加辅助数据集中有助于训练的数据的权重，同时降低辅助数据集中不重要数据的权重。
10.根据权利要求9所述的工程装备传动系统故障诊断系统，其特征在于：所述故障诊断模块，其中：所述迁移提升树算法中，改变目标数据集和辅助数据中故障数据和正常数据的权重，即增加故障数据的权重，同时降低正常数据的权重。