1.一种基于时域序列特征重构的水下推进器故障诊断方法，其特征在于，包括以下步骤：

(1)采集水下机器人的动态信号，获取动态信号的时域序列；

(2)对获得的时域序列进行小波包分解得到该时域序列数据的特征信号；

(3)根据得到的特征信号确定最大故障特征值的位置；

(4)根据最大故障特征值的位置对时域序列进行重构：如果最大故障特征值的位置位于时域序列的后半部分，则截取时域序列前半部分中部分序列，并将截取的部分序列置于截取后的时域序列的后端形成重构时域序列；如果最大故障特征值的位置位于时域序列的前半部分，则截取时域序列后半部分中部分序列，并将截取的部分序列置于截取后的时域序列的前端形成重构时域序列；

(5)以重构时域序列作为故障样本，通过故障诊断模型进行故障等级分类，得到推进器故障程度，所述故障诊断模型通过水下推进器故障试验建立。

2.根据权利要求1所述的水下推进器故障诊断方法，其特征在于，所述步骤(4)中对时域序列进行重构具体内容为：确定最大故障特征值的位置imax，根据最大特征值位置imax对原始时域序列T＝{T(k)，k＝1，2，...，L}进行重构；

若最大故障特征值位置imax满足条件imax≥L/2，则截取原时域序列T中第1至第imax-L/2节拍的序列[T(1) … T(imax-L/2)]，再将截取的序列置于截取后的时域序列的后端形成重构时域序列TR：TR＝[T(imax-L/2+1) … T(L/2) … T(imax) … T(L) T(1) … T(imax-L/2)]；

若最大故障特征值位置imax不满足条件imax≥L/2，则截取原时域序列T中第imax+L/2至第L节拍的序列[T(imax+L/2) … T(L)]，再将截取的序列置于截取后的时域序列的前端形成重构时域序列TR：TR＝[T(imax+L/2) … T(L) T(1) … T(imax) … T(L/2) … T(imax+L/2-1)]。

3.根据权利要求1所述的水下推进器故障诊断方法，其特征在于，所述步骤(2)中对获得的时域序列进行去均值处理后进行小波分解，得到小波近似分量，基于修正贝叶斯算法对小波近似分量处理，得到故障特征增强结果，步骤(3)中确定故障特征增强结果中最大故障特征值的位置。

4.根据权利要求3所述的水下推进器故障诊断方法，其特征在于，去均值处理得到时域序列{X(k)}＝{x(k)，k＝1，2，...，L}；

小波分解得到的小波近似分量WA(k)为：

其中，j表示小波分解层数、m表示小波系数序号、Z＝1，2，...，表示小波尺度函数，＜·＞为内积运算。

5.根据权利要求4所述的水下推进器故障诊断方法，其特征在于，得到故障特征增强结果DA(k)为：其中，为小波近似分量WA(k)的期望值；为小波近似分量WA(k)的方差；L2表示窗函数长度、i＝1，2，...，L2。

6.根据权利要求5所述的水下推进器故障诊断方法，其特征在于，步骤(4)中对故障特征增强结果DA(k)进行重构，具体内容为：确定故障样本长度为L的增强时域序列DA＝{DA(k)，k＝1，2，...，L}中最大故障特征值的位置imax，根据最大特征值位置imax对增强时域序列DA＝{DA(k)，k＝1，2，...，L}进行重构；

若最大故障特征值位置imax满足条件imax≥L/2，则截取增强时域序列DA中第1至第imax-L/2节拍的序列[DA(1) … DA(imax-L/2)]，再将截取的序列置于截取后的增强时域序列的后端形成重构增强时域序列DAR：DAR＝[DA(imax-L/2+1) … DA(L/2) … DA(imax) … DA(L) DA(1) … DA(imax-L/2)]；

若最大故障特征值位置imax不满足条件imax≥L/2，则截取增强时域序列DA中第imax+L/2至第L节拍的序列[DA(imax+L/2) … DA(L)]，再将截取的序列置于截取后的时域序列的前端形成重构增强时域序列DAR：DAR＝[DA(imax+L/2) … DA(L) DA(1) … DA(imax) … DA(L/2) … DA(imax+L/2-1)]。

7.根据权利要求6所述的水下推进器故障诊断方法，其特征在于，所述故障诊断模型建立的具体内容为：对水下推进器进行已知故障程度等级的故障试验，获取对应故障程度等级的水下机器人的动态信号；对获取的动态信号进行时域序列增强及重构，以重构后的增强时域序列DAR作为故障样本，作为卷积神经网络的输入，以故障程度等级作为卷积神经网络的输出，采用故障样本训练卷积神经网络参数，训练结束后，得到深度学习的故障诊断模型。

8.一种权利要求1至7任意一项所述水下推进器故障诊断方法的诊断系统，其特征在于，包括采集模块，用于采集水下机器人的动态信号，获取动态信号的时域序列；

信号处理模块：用于对获得的时域序列进行小波包分解得到该时域序列数据的特征信号，根据得到的特征信号确定最大故障特征值的位置；

重构模块，用于根据最大故障特征值的位置对时域序列进行重构：如果最大故障特征值的位置位于时域序列的后半部分，则截取时域序列前半部分中部分序列，并将截取的部分序列置于截取后的时域序列的后端形成重构时域序列；如果最大故障特征值的位置位于时域序列的前半部分，则截取时域序列后半部分中部分序列，并将截取的部分序列置于截取后的时域序列的前端形成重构时域序列；

故障辨识模块，用于将重构时域序列作为故障样本，通过故障诊断模型进行故障等级分类，得到推进器故障程度，所述故障诊断模型通过水下推进器故障试验建立。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至权利要求7中任意一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至权利要求7中任意一项所述的方法的步骤。