1.一种波浪能发电系统最大功率跟踪装置，其特征在于，所述装置包括摆板、基座、转轴、链条、变速箱、永磁同步发电机、整流器、DC/DC变换器、MPPT控制器、速度传感器、电压传感器、电流传感器、水位传感器、转速传感器、第一电容、第二电容、驱动模块和负载；
其中，所述摆板通过转轴固定于基座上，转轴与变速箱输入端通过链条连接，变速箱输出端与永磁同步发电机的转子连接；
所述整流器的三相输入端与永磁同步发电机的三相输出端连接，整流器的单相输出正端与第一电容的正极连接，整流器的单相输出负端接地，第一电容负极接地；
所述电压传感器的待测电压输入端与第一电容正极连接，电压传感器待测电压输出端接地，电压传感器的测量信号输出端与最大功率点跟踪MPPT控制器连接；
所述电流传感器的待测电流输入端与电压传感器正极连接，电流传感器的待测电流输出端与DC-DC变换器的输入端连接，电流传感器的测量信号输出端与最大功率点跟踪MPPT控制器连接；
所述DC-DC变换器的脉宽调制信号输入端与驱动模块一端连接、驱动模块另外一端与MPPT控制器连接；DC-DC变换器的输出端与第二电容正极连接；第二电容负极接地；
所述水位传感器的测量信号输出端与最大功率点跟踪MPPT控制器连接；
所述速度传感器的测量信号输出端与最大功率点跟踪MPPT控制器连接；
所述转速传感器两个输入端与风机三相输出端中的其中两端连接，转速传感器的测量信号输出端与MPPT控制器连接；
所述负载一端与第二电容正极连接，负载另外一端接地。
2.根据权利要求1所述的装置，其特征在于所述速度传感器和水位传感器安装于摆板正前方2米处，且与摆板重心位于同一水平面。
3.根据权利要求1所述的装置，其特征在于所述DC-DC变换器采用Boost电路。
4.根据权利要求1所述的装置，其特征在于所述水位传感器采用LC-SW1。
5.根据权利要求1所述的装置，其特征在于所述速度传感器采用ZLS-PX。
6.一种波浪能发电系统最大功率跟踪方法，其特征在于，所述方法具体包括步骤：
步骤1：采集波浪能传动机构所在水域的波浪速度Sw和波浪高度Hw以及永磁同步发电机的转速ωw；
步骤2：在步骤1的基础上，利用支持向量机预测模型得到最大功率点对应的电压预测值Vref；
步骤3：通过比例积分控制器调节DC-DC变换器的脉冲宽度调制的占空比，使永磁同步发电机输出电压达到最大功率点对应的电压预测值Vref；
步骤4：最大功率点对应的电压预测值Vref为初始值，采用扰动观察法以设定的扰动步长跟踪永磁同步发电机的最大功率；
步骤5：当扰动观察法求得的扰动前后的功率差值大于等于设定阈值Tr时，说明波浪能量发生变化，重复步骤1至步骤4。
7.根据权利要求6所述的方法，其特征在于，所述步骤2中，利用支持向量机预测模型得到最大功率点对应的电压预测值Vref的过程为：
支持向量机SVM预测模型的作用是根据传感器测得的参数向量X(i)＝[Sw(i)，Hw(i)，T
ωw(i)]，给出永磁同步发电机的最大功率点电压的预测值Vref；
步骤201：收集训练样本；
T
记某一工作环境下的参数向量为X(i)＝[Sw(i)，Hw(i)，ωw(i)]，对应最大功率点MPP的电压为Vmax(i)则可构成一对样本(X(i)，Vmax(i))。通过收集各种不同环境下的样本对，形成样本集{(X(i)，Vmax(i))}；
某一工作环境下训练样本的获取采用试探法来采集，采集过程为：
步骤2011：初始化DC-DC变换器的PWM信号的脉冲占空比D以较小的初始值D0，使其每次以固定增量ΔD不断增加，对于第k次，有
D(k)＝D0+k·ΔD
其中：D(k)为第k次脉冲占空比；
D0为占空比初始值；
ΔD为固定增量；
步骤2012：通过电压传感器和电流传感器采集永磁同步发电机经整流器后的直流输出电压Vdc(k)和直流输出电流Idc(k)，计算当前风机的输出功率P(k)：
P(k)＝Vdc(k)·Idc(k)
步骤2013：与前一次永磁同步发电机的输出功率P(k-1)比较，当出现P(k)＜P(k-1)时
则认为此时永磁同步发电机的工作状态已接近最大功率点；令：
D(k)＝D0+(k-0.5)·ΔD
记录此时的永磁同步发电机的工作电压作为最大功率点电压Vref以及工作向量X(i)T
＝[Sw(i)，Hw(i)，ωw(i)]，完成一次采集，即得到一对样本(X(i)，Vmax(i))。
步骤202：训练支持向量机SVM模型；具体过程为：
n
步骤2021：给定样本集 其中，Xi∈R 为输入向量，yi∈R为相应输出值，N为样本个数，n为输入向量维数；
步骤2022：设定支持向量机SVM所用线性回归函数为：
yi＝f(Xi)＝WΦ(Xi)+b
其中：yi为线性回归函数输出；
Φ(Xi)是从输入空间到高维特征空间的非线性映射；
Xi为输入向量；
W为权值向量；
b为偏置；
权值向量W和偏置b由最小化公式来计算：
其中：W为权值向量，第1项 决定回归函数的泛化能力；C为惩罚因子(C＞0)，用于控制对超出的样本的惩罚程度；N为样本个数；ξi为引入的松弛变量；ε为误差；
步骤2023：根据最小化公式建立拉格朗日方程，求解线性回归函数为：
其 中：K(Xi，Xj) 为核函数， 核函数为高斯函数
δ2为高斯核函数的宽度参数；αj为拉格朗日系数；Xj为样
本向量，且不为零的αj对应的向量Xj称为支持向量；得到支持向量后，即可求得回归函数y＝f(Xi)；
步骤2024：采用统计量平均相对误差ΔMRE评价预测模型的性能；其表达式为：
式中：
ΔMRE为统计量平均相对误差；
Y为样本的真值；
为Y的估计值；
步骤2025：均匀抽取总样本中的40％作为训练样本，其余60％作为检验样本，分别取不同C与δ2利用训练样本进行学习，并计算在检验样本上的ΔMRE选择最小的ΔMRE所对应的模型作为最终预测模型；
步骤203：将工作向量X(i)＝[Sw(i)，Hw(i)，ωw(i)]T通过最终预测模型得到最大功率点MPP对应的电压的预测值Vref。