1.一种行星齿轮箱复合故障特征提取方法，其特征在是，其具体包括如下步骤：步骤1、采用加速度振动传感器拾取行星齿轮箱振动信号，该加速度传感器安装在待测行星齿轮箱输入轴端盖上；

步骤2、对采集到的振动信号进行多小波基函数的自适应构造；

步骤2.1、选定初始多小波以及用于修正多小波的其它小波基函数和多尺度函数的平移量，利用对称条件和消失矩条件构造提升线性方程组，求解欠定条件下的线性方程组获得提升系数，在此过程中引入可调控的自由参数，将提升系数代入提升系数方程并进行Z变换实现多小波的对称提升，完成多小波基函数库的构造；

步骤2.2、根据行星齿轮箱故障特征的结构特点，构造归一化多重分形熵作为多小波基函数自适应优化过程中的评价指标，基于智能优化算法获得与故障特征相适应的最优多小波基函数；

步骤3、采用最优多小波基函数对所采集的信号进行冗余多小波变换，获得多个分解后的子频带；

步骤4、计算每个子频带的故障特征频率处的相对能量比，将相对能量比较高的子频带作为复合故障特征所在的敏感子频带；

步骤5、逐一对分解得到的敏感子频带进行Hilbert包络解调处理，提取出行星齿轮箱复合故障相关特征，并进行识别诊断。

2.根据权利要求1所述的一种行星齿轮箱复合故障特征提取方法，其特征是，步骤2.1中，自由参数通过求解欠定条件下的提升系数方程的解确定。

3.根据权利要求1所述的一种行星齿轮箱复合故障特征提取方法，其特征是，步骤2.2的具体过程如下：首先，选择具有合适消失矩的母小波，确定配分函数，并通过质量因子描述配分函数的尺度行为，进而对质量因子进行Legendre变换得到信号的多重分形谱；

其次，将信息熵计算引入多重分形谱中，构造多重分形熵，并进行归一化处理得到归一化多重分形熵；

最后，基于智能优化算法，以多小波分解后两个小波基函数对应的细节信号的归一化多重分形熵之和最小为优化目标函数进行优化，获得自适应多小波基函数。

4.根据权利要求1或3所述的一种行星齿轮箱复合故障特征提取方法，其特征是，步骤

2.2中，智能优化算法为遗传算法。

5.根据权利要求1或3所述的一种行星齿轮箱复合故障特征提取方法，其特征是，步骤

2.2中，归一化多重分形熵Hn为：

式中，f(αi)为信号的多重分形谱。

6.根据权利要求1所述的一种行星齿轮箱复合故障特征提取方法，其特征是，步骤3中，对多小波基函数进行冗余多小波变换的层数为3层。

7.根据权利要求1所述的一种行星齿轮箱复合故障特征提取方法，其特征是，步骤4中，每个子频带的故障特征频率处的相对能量比r为：其中fc∈(fc-Δ，fc+Δ)

式中，A为平方包络谱的幅值，fc为特征频率，Δ为所选择的频率区间，f＝0～f′为子频带范围。