1.一种基于加权导数动态时间规整的齿轮微弱故障诊断方法，其特征在于，包括以下步骤：

步骤1：基于集合经验模态分解EEMD算法和频率相关性选择法的信号预处理；

步骤2：基于加权导数动态时间规整WDDTW算法的残差向量信号提取；

所述步骤1中基于集合经验模态分解EEMD算法，向得到的残余分量中继续添加正态分布白噪声，直到新的待分解信号y被完全分解；

所述的步骤2中，基于加权导数动态时间规整WDDTW算法的残差向量信号提取，其具体步骤为：

步骤2.1：通过WDDTW算法和求残差运算获得原始残差向量信号；

步骤2.2：使用重采样技术将原始残差向量信号恢复原长，获得残差向量信号；

步骤3：基于希尔伯特变换方法的包络谱故障特征分析；

所述步骤3中希尔伯特变换方法的包络谱故障特征分析：包括对残差向量信号R进行希尔伯特变换和包络谱故障特征分析，根据齿轮箱中齿轮的基本参数计算故障特征频率，从包络谱中读取特征频率，与理论计算的故障特征频率进行对比，实现故障诊断及定位。

2.根据权利要求1所述的一种基于加权导数动态时间规整的齿轮微弱故障诊断方法，其特征在于，所述的步骤1中，基于集合经验模态分解EEMD算法和频率相关性选择法的信号预处理，其具体为，通过频率相关性选择法选择EEMD算法处理后所需的本征模态函数IMF分量。

3.根据权利要求2所述的一种基于加权导数动态时间规整的齿轮微弱故障诊断方法，其特征在于，通过频率相关性选择法选择EEMD算法处理后所需的本征模态函数IMF分量，其具体步骤为：

步骤1.1：计算原始健康振动信号、原始故障振动信号及二者经EEMD算法分解后得到的所有IMF分量的频率相关值；

步骤1.2：选择频率相关性最大的IMF分量作为后续处理信号。

4.根据权利要求3所述的一种基于加权导数动态时间规整的齿轮微弱故障诊断方法，其特征在于，所述的步骤1.1中，各个IMF分量的频率相关性的具体计算方式如下：其中，N表示IMF分量经快速傅里叶变换后的频率值的总数量，原始健康振动信号和原始故障振动信号统称为原始信号，M表示原始信号经快速傅里叶变换后的频率值的总数量，Fm表示原始信号的第m个频率值，Am表示原始信号的第m个频率值的幅值，Fin表示第i个IMF分量的第n个频率值，Ain表示第i个IMF分量的第n个频率值的幅值，SiN表示第i个IMF分量的频率相关值，SM表示原始信号的频率相关值。