1. 基于改进BP神经网络和模糊集理论的轴承健康度评价方法，其特征在于，步骤如下：

1）采集原始信号：通过数据采集系统采集由轴承上的加速度传感器收集的振动信号；

2）对步骤1）采集的信号进行FFT变换和滤波降噪处理；

3）提取滤波降噪之后的振动信号的特征，获得特征参数；具体步骤如下：在FFT降噪处理的频域信号中选取7个状态参数：（a）平均特征频率： (1)（b）平均关闭率： (2)（c）波形的稳定指数： (3)（d）波动率： (4)（e）曲率： (5)（f）峭度： (6)（g）平方根比率： (7)其中 是频谱线条数， 是振动频率， 是振动频率对应的信号功率谱，是标准差， 是平均值；

针对上述各状态的敏感性进行评估，具体评估方法如下：任意选取2个状态，计算P1至P7每个参数在这2个状态下的区分指数DI值；

其中 1、 2分别代表状态1、状态2下各参数的均值， 1、 2分别代表状态1、状态2下各参数的标准差；通过DI来评估状态参数的灵敏度；选取DI均值较大的四个参数作为BP神经网络输入层的特征参数；

4）建立改进BP神经网络模型，具体步骤：首先，建立三层改进BP神经网络模型拓扑结构图，其输入层有6个节点，4个用来输入特征参数，2个用来输入反馈值；输出层有3个节点，用来输出3个隶属度值；隐含层是1层，节点数是8；其次，通过训练神经网络来确定各节点间的权值；

5）将选定的四个特征参数输入改进BP神经网络进行状态识别，输出三个隶属度值b1、b2、b3，根据健康度与隶属度关系式，健康度 ，计算出健康度数值；其中B为经过神经网络计算得到的对于健康、亚健康、故障模糊集合的隶属度； c1、c2、c3均为待定正系数；

根据轴承健康度的阈值来判定轴承所处运行状态为健康、亚健康或故障，当，轴承为健康状态，当 ，轴承处于亚健康状态，当 ，轴承处于故障状态。

2.根据权利要求1所述的基于改进BP神经网络和模糊集理论的轴承健康度评价方法，其特征在于：所述的步骤2）中对原始信号进行FFT变换和滤波降噪处理的具体流程如下：①对时域信号f(t)进行FFT运算得到其傅里叶变换后的频谱信号F(ω)；

②根据频谱，利用滤波器H(ω)对信号的噪声部分进行抑制，得到降噪后的频谱信号G(ω)；

③对降噪后的频谱G(ω)作傅里叶逆变换,得到降噪后的信号g(t)。