1.一种基于DWT和C-SVM的道岔故障诊断方法，其特征在于，包括以下步骤：
步骤1，确定要诊断的道岔类型，选择一个同类型的道岔，并在选定的道岔上安装电流变送器；
步骤2，在该道岔上模拟出多个故障模式，并分别采集每种故障模式下的电流运转信号
20～30组；
步骤3，在被诊断的道岔上安装电流变送器，采集被诊断道岔的电流运转信号5-10组；
步骤4，对模拟故障电流运转信号和实测电流运转信号进行离散小波变换即DWT，并进行归一化处理；
步骤5，将处理后的模拟故障电流运转信号输入到非线性软间隔支持向量机即C-SVM分类模型中进行训练，并进行参数寻优；
步骤6，将处理后的实测信号输入到训练完成的C-SVM分类模型，进行最后的故障识别。
2.根据权利要求1所述的基于DWT和C-SVM的道岔故障诊断方法，其特征在于，步骤2所述故障模式包括解锁困难、转换台阶阻力、转换锯齿阻力和锁闭困难。
3.根据权利要求1所述的基于DWT和C-SVM的道岔故障诊断方法，其特征在于，步骤4所述的离散小波变换中选用的小波基函数为Haar小波，Haar小波的具体表达式为：
式中，ψ为Haar小波，t表示时间。
4.根据权利要求1所述的基于DWT和C-SVM的道岔故障诊断方法，其特征在于，步骤4所述的归一化处理，采用线性归一，线性归一的具体公式如下：
式中，xnorm为归一化之后的信号值，xmax为最大信号值，xmin为最小信号值，x为归一化之前的信号值。
5.根据权利要求1所述的基于DWT和C-SVM的道岔故障诊断方法，其特征在于，步骤5所述的C-SVM分类模型选择RBF核函数K，具体公式如下：
式中，xi表示输入向量，x表示映射向量，σ2表示输入向量方差。