1.一种基于限定记忆主成分分析的时变线性结构工作模态参数识别方法，其特征在于，仅利用时变线性结构多个传感器测点的时域振动响应信号，结合限定记忆的思想与主成分分析算法，利用主成分分析算法在各限定记忆时段的统计特性，得到出各时刻的瞬态工作模态参数，然后各时刻求得的工作模态参数连接起来，进行曲线拟合，从而实现时变线性结构工作模态参数识别。

2.根据权利要求1所述的基于限定记忆主成分分析的时变线性结构工作模态参数识别方法，其特征在于，具体步骤如下：步骤1)设所测得到在白噪声激励下的时变线性结构的原始时域振动响应数据X(t)矩阵为：其中，M表示在时变线性结构上布置的振动传感器测点个数，N表示时域采样点个数，

1≤j≤M；1≤i≤N，选择的限定记忆数据矩形窗长度为L，初始化i＝1；

步骤2)按照顺序连续截取长度为L的时域振动响应信号求其自相关矩阵

步骤3)按照线性代数和矩阵论，实对称方阵 唯一分解为(i) M×M (i)T (i) (i) M×M其中，V ∈R 满足V V ＝IM×M，IM×M是M维的单位矩阵，γ ∈R 是由实对称方阵 的特征值按照从大到小顺序排列组成的对角方阵；

步骤4)基于主元分析， 唯一分解为 建立PCA初始化模型，其(i) M×M

中，V ∈R 是主元分析中的变换阵， 是截取的长度为L的时域振动响应信号的主成分，各主成分彼此之间不相关；

步骤5)对于任意按照顺序连续截取的长度为L的时域振动响应信号 在模态坐标下表示为其中，正则化模态振型矩阵 满足

(i)T (i)

Φ Φ ＝IM×M，模态坐标响应矩阵

其中，各阶模态响应 相互独立；

Φ(i)∈RM×M是时变线性结构从采样时刻点i到i+L-1的时段内的统计平均模态；

是时变线性结构从采样时刻点i到i+L-1的时段内的模态坐标响应，利用单自由度模态识别技术，识别从采样时刻点i到i+L-1的时段内的最中间时刻的瞬时模态固有频率步骤6)因为相互独立必定不相关，所以基于主元分析，正则化模态振型矩阵(i) M×M (i) M×MΦ ∈R 对应主元分析中的线性混叠矩阵V ∈R ，各阶模态响应矩阵 为主成分分析中的主成分

步骤7)根据主元累积贡献率 确定主元个数p，其中，CPVp为前p个主成分的方差累积贡献率；

步骤8)采用模态置信参数MAC来定量评价振型识别的准确性，具体为：其中， 是被识别的i时刻的第j个模态振型， 代表真实的i时刻的第j个模态振型， 和 分别代表 与 的转置， 代表两个向量的内积， 表示和 的相似程度， 如果其值越接近1，则振型识别准确性越高；

步骤9)i＝i+1，返回步骤2)，直到i＝N+1-L。

3.根据权利要求1所述的基于限定记忆主成分分析的时变线性结构工作模态参数识别方法，其特征在于，各时刻的瞬态工作模态参数包括各阶模态固有频率和模态固有振型。

4.一种设备故障诊断与健康状态监测方法，其特征在于，基于权利要求1至3任一项所述的基于限定记忆主成分分析的时变线性结构工作模态参数识别方法，步骤如下：步骤a)在线采集一组响应数据，进行归一化处理，建立初始主元模型；

步骤b)由主元累积贡献率确定主元个数，并进行模态参数识别；

步骤d)根据测得的工作模态参数与被测设备故障前的模态参数进行分析比较，确定设备是否出现故障，以及故障所在位置；

步骤d)如没有故障发生，则进行迭代，重新建立主元模型，之后进行模态参数识别分析。

5.根据权利要求4所述的设备故障诊断与健康状态监测方法，其特征在于，步骤b)中，模态参数包括频率、振型。

6.一种基于限定记忆主成分分析的时变线性结构工作模态参数识别装置，其特征在于，用于实现权利要求1至3任一项所述的基于限定记忆主成分分析的时变线性结构工作模态参数识别方法；包括信号输入模块、信号调理模块、数据采集器、A/D数据采集转换模块、DSP、控制模块、存储模块、电源及复位模块；信号输入模块、信号调理模块、A/D数据采集转换模块，DSP、控制模块、上位机进行双向通信连接；数据采集器连接在DSP与信号调理模块之间，存储模块与控制模块连接，电源及复位模块分别与DSP、控制模块连接。

7.根据权利要求6所述的基于限定记忆主成分分析的时变线性结构工作模态参数识别装置，其特征在于，工作步骤如下：首先，上位机将信息采集参数通过以太网发给控制控制模块；控制模块再将指令通过SPI发送给DSP，DSP驱动数据采集器进行数据采集；

然后，DSP根据上位机发送的指令对采集的数据进行时频域分析，再将采集的原始数据和经DSP分析的数据通过SPI发送给控制模块，控制模块将数据格式还原并保存起来，并经以太网传输到上位机进行分析与显示。