1.一种机械振动信号的故障分析方法，其特征在于，包括信号预处理、信号的正式处理、信号的特征参数提取、信号的故障识别；
所述信号预处理通过仿真对所述机械振动信号对比实验，采用经验模态分解的降噪方法，说明了所述经验模态分解的降噪方法的降噪性能的改进，最后将其用于实测所述机械振动信号的降噪；
所述信号的正式处理在经过所述信号预处理之后，得到了所述机械振动信号的降噪形式，在过程中采用了机械振动信号故障特征提取方法，并将所述机械振动信号的相对小波能量融合在内，针对诊断中故障样本数目少的问题，使用支持向量机作为故障识别分类器，并通过故障诊断实验，验证了所述机械振动信号故障特征提取方法的有效性，得到所述机械振动信号的故障特征；
所述信号的特征参数提取，首先从所述机械振动信号的故障特征中进一步提取样本熵，同时利用所述样本熵对不同故障类型、不同损伤程度的所述机械振动信号进行分析，结果表明所述样本熵可以作为故障特征参数，建立所述故障特征参数的矩阵，并进行所述故障特征参数的矩阵的奇异值分解，同时利用所述故障识别分类器进行机械故障特征参数提取，并进行了故障诊断实验；
所述信号的故障识别，对按振动频率的大小对所述机械故障振动信号进行分类，分为频率高的所述机械故障振动信号以及频率低的所述机械故障振动信号，对所述频率高的所述机械故障振动信号利用独立分量分析对所述机械故障振动信号进行分析，得到统计上相互独立的分量，将所述机械振动信号表示为所述相互独立的分量的线性组合，其中所述相互独立的分量的线性组合的系数作为特征向量，并结合最近邻算法进行机械故障识别，得到所述频率高的所述机械故障振动信号的故障类型；对所述频率低的所述机械故障振动信号进行独立分量分析，获得不同工况信号的独立分量，然后将所述不同工况信号的独立分量的绝对值作为特征，使用支持向量机进行机械故障识别得到所述频率低的所述机械故障振动信号的故障。