1.等距特征映射的三维时不变结构工作模态参数识别方法，其特征在于，包括：S1：获取三维时不变结构在环境激励下多个振动传感器在三个方向的平稳时域的振动响应信号数据矩阵 和 假设最终嵌入维度为d

X(t)three,Y(t)three, 其中， 表示维度为D×T的矩阵，D表示在所述时不变结构上布置的振动传感器检测点个数，T表示时域采样点个数；1≤j≤D；1≤i≤T；

S2：将三个方向的振动响应信号数据矩阵组装起来作为三维时不变结构整体模态响应，然后使用求解整体模态响应，新的时域位移响应用模态坐标近似表示：Uthree,Vthree,Wthree为三维时不变结构在Xthree,Ythree,Zthree上的分离矩阵，A(t)为复杂三维时不变结构整体的振动响应矩阵， 为模态坐标响应；

S3：使用等距特征映射求解模型得到流形嵌入 其为三维时不变结构的模态坐标响应，则对应的低维嵌入是S4：求解三维模态振型：根据 和三维时不变结构的动力学特性，得到方程 求得三维时不变结构三个方向的组装矩阵Uthree,Vthree,Wthree，Uthree，Vthree和Wthree分别表示三个方向相对应的模态振型；

S5：模态坐标响应S(t)通过单自由度系统参数识别技术计算得到三维时不变结构的固有频率。

2.如权利要求1所述的等距特征映射的三维时不变结构工作模态参数识别方法，其特征在于，设 是采样于三维时不变结构中的光滑流形上的一个包含T个D维实值向量的数据集，其嵌入的维度为d，所述S3具体包括如下：S31：构建邻域图，得到每个样本点 的k个近邻点：与样本点 欧氏距离最近的k个样本点，那么邻域图有边 k为邻域参数，G为所有样本点的k近邻构成的邻域图，1≤i≤D,1≤j≤D；

S32：计算最短路径：如若邻域图G有边 那么两点间的欧氏距离即为最短路径否则最短路径设置为 设l＝1,2,...,T，最短路径表示为

最短路径的距离矩阵表示为

该距离矩阵包含了邻域图中各个样本点之间最短路径的平方；

S33：中心矩阵 其中 为单位矩阵，

利用测地线距离计算核心矩阵

S34：计算低维嵌入子空间：利用多维尺度变换计算d维嵌入，即对矩阵P进行特征值分解，其前d个特征值λ1,λ2,…,λd及所对应的特征向量是 特 征 向 量 构 成 的 特 征 向 量 矩 阵 ，则 得 到 的 所 述 流 行 嵌 入 为 ：

3.一种基于Sanger神经网络的时不变结构的工作模态参数识别方法，其特征在于，所述Sanger神经网络时不变结构工作模态参数识别方法，具体如下：假设 输 入为 时不 变 结构 在环 境 激励 下的 振 动响 应 信号 数据 矩阵m表示在所述时不变结构上布置的振动传感器检测点个数，T表示时域采样点个数，求取前n阶主成分 n为计算得到的主成分个数，设置m个输入神经元和n个输出神经元，则集合{wij},i＝1,

2,...,m；j＝1,2,...,n.表示第i个输入神经元和第j个输出神经元之间的链接，权重矩阵初始化学习率lr，损失函数为

1)计算当前网络输出Y(J)(t)＝W(J)X(t)，J为迭代次数；

2) 依 据学 习 规 则以 及学 习 率得 到 当前 权 重矩 阵的 更 新 量 ，其中i＝1,2,…,n；

3)依据步骤2)得到的权重矩阵的更新量并行更新权重矩阵WJ+1，W(J+1)＝W(J)+ΔW(J+1)；

4)计算当前误差损失 其中，λi是前n阶主成分中 的特征值；

5)如果e<η或者J

(J+1)

6)得到最终的权重矩阵W，W＝W ，即为模态振型；

7)计算最终的主成分:Y(t)＝WX(t)，即为模态坐标响应；

8)通过单自由度系统参数识别技术,从模态坐标响应Y(t)计算得到时不变结构的固有频率。

4.一种基于等距特征映射的设备故障诊断与健康状态监测方法，基于任一权利要求1至2所述的等距特征映射的三维时不变结构工作模态参数识别方法实现，步骤如下：步骤a)采集一组三个方向的振动响应数据矩阵作为一个样本数据，进行归一化处理，确定最终嵌入的维度为d；

步骤b)将三个方向的振动响应数据矩阵通过直接组装方法组装成三维时不变结构的振动响应矩阵；

步骤c)使用等距特征映射求解模型整体的模态坐标响应，识别出三维时不变结构的模态坐标响应，将模态坐标响应反代入组装成的振动响应矩阵求得三维模态振型；模态坐标响应通过单自由度系统参数识别技术计算得到三维时不变结构的固有频率。

步骤d)根据计算得到三维时不变结构的模态振型和固有频率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e)当引入新的样本数据，重复步骤b)-d)直到样本结束。

5.一种基于Sanger神经网络的设备故障诊断与健康状态监测方法，基于权利要求3所述的Sanger神经网络的时不变结构工作模态参数识别方法实现，步骤如下：步骤a)采集一组单方向的振动响应数据矩阵作为一个样本数据，进行归一化处理，确定最终误差阈值η；

步骤b)使用Sanger神经网络求解模型整体的模态坐标响应Y(t)和工作模态振型W；

步骤c)通过单自由度系统参数识别技术,从模态坐标响应Y(t)计算得到时不变结构的固有频率；

步骤d)根据计算得到三维时不变结构的模态振型和固有频率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e)当引入新的样本数据，重复步骤b)-d)直到样本结束。

6.如权利要求4或5所述的一种设备故障诊断与健康状态监测方法，其特征在于，所述模态参数包括瞬时模态频率、瞬时模态振型。

7.一种时不变结构的工作模态参数识别系统，其特征在于，包括时不变工程结构，用于模拟待识别工作模态参数识别的时不变工程结构；

放置于工作结构上的三向振动响应信号传感器，利用放置于工作结构上的三向振动响应信号传感器测量获得被测时不变工程结构的平稳振动响应信号；

激振设备，用于模拟工作状态下的环境激励；

振动数据采集模块，用于振动数据输入、信号的调理和A/D数据采集转换；

控制和数据处理模块，设有OMAP处理器，采用权利要求1和2所述的等距特征映射的三维时不变结构工作模态参数识别方法或权利要求3所述Sanger神经网络时不变结构工作模态参数识别方法进行工作模态参数的识别，并得到诊断信息；

通信模块，用于将振动数据与诊断信息上传到上位机以供存储与分析；

存储模块，用于存储振动数据；

工作模态参数识别模块，用于识别工程结构的工作模态参数；

液晶显示模块，用于显示诊断结果和波形信息；

电源模块，用于提供电源；

控键模块与复位模块，用于参数输入及复位。