1.一种旋转机械轴承的故障诊断方法，其特征在于，包括以下步骤：

1)通过安装在旋转设备变速箱上的振动传感器获取机械轴承的振动信号Xi，并将振动信号Xi采集汇总为原始信号X＝[X1,X2,…,Xi]，其中，1≤i≤N，N为数据点数；

2)对原始信号X进行小波包分解，且分解尺度为n，n≥1；

3)提取原始信号X经小波包分解后的前一半小波系数将该前一半小波系数Y的2n-1个低频信号采用小波包分解重构算法进行重构，获得重构信号集

4)在时域上利用BP神经网络获取时域分析结果；

4-1)进行时域分析，将重构信号集S进行时域特征值提取；

重构信号集S中的每个重构信号均提取7个时域特征值，7个时域特征值分别为波形指标T1、脉冲指标T2、裕度指标T3、峰值指标T4、峭度指标T5、均方根指标T6和偏度指标T7；

4-2)将提取的7个时域特征值分别归一化至[-1，1]，归一化后获得时域分析轴承故障特征向量；

4-3)把时域分析轴承故障特征向量作为BP神经网络的输入信号，通过模式识别进行故障分类，获取故障分类的时域分析基本概率分布PAp，1≤p≤k，A表示时域分析，k为故障种类数；

4-4)将获取的时域分析基本概率分布PAp归一化至[0，1]，归一化后获得时域归一化后概率PAAp；

5)在频域上利用BP神经网络获取频域分析结果；

5-1)进行频域分析，对重构信号集S进行频域特征值提取；

对重构信号集S中的每个重构信号均进行快速傅里叶FFT变换，得到对应的频谱图；对频谱图的频域信号提取7个频域特征值，7个频域特征值分别为平均信号功率指标F1、平均频率指标F2、信号平均能量指标F3、标准化能量方差指标F4、频谱最大值指标F5、方差系数指标F6和标准化信号功率倒数指标F7；

5-2)将提取的7个频域特征值分别归一化至[-1，1]，归一化后获得频域分析轴承故障特征向量；

5-3)把频域分析轴承故障特征向量作为BP神经网络的输入信号，通过模式识别进行故障分类，获取故障分类的频域分析基本概率分布PBp，1≤p≤k，B表示频域分析；

5-4)将获取的频域分析基本概率分布PBp归一化至[0，1]，归一化后获得频域归一化后概率PBBp；

6)通过D-S证据理论对时域分析结果与频域分析结果进行融合，计算出归一化常数K的结果，并计算出融合分析概率分布PZp，1≤p≤k，Z表示融合分析；

7)选取融合分析概率分布的最大值作为故障诊断的决策判断结果，并依据该决策判断结果进行有无故障及故障种类的判断。

2.根据权利要求1所述的一种旋转机械轴承的故障诊断方法，其特征在于：所述振动传感器安装在靠近变速箱进油口的变速箱箱体上。

3.根据权利要求1所述的一种旋转机械轴承的故障诊断方法，其特征在于：所述原始信号包括轴承正常状态的振动信号、轴承内圈磨损的振动信号、轴承外圈磨损的振动信号与轴承滚珠磨损的振动信号。

4.根据权利要求1所述的一种旋转机械轴承的故障诊断方法，其特征在于：所述小波包分解重构算法，具体为，设 为小波包族， 为小波包的子空间族，j为子空间序列表示小波分析时的尺度变化，j≥1；

则 的表达式为

其中， 为小波信号，l＝1,2,…,z，z为波形的震荡次数，z≥1，un(2jt-1)为子空间族，

2j为空间尺度变化，t为时域时间变化；

由公式 求出 与

则

其中，pc-2l为低频信号，uc-2l为高频信号，l为任意自然数；

由公式 求出 与

则

其中，hl-2c为高频系数，gl-2c为低频系数。

5.根据权利要求1所述的一种旋转机械轴承的故障诊断方法，其特征在于：所述7个时域特征值的表达式具体为，波形指标

脉冲指标

裕度指标

峰值指标T4＝max|Xi|，

峭度指标

均方根指标

偏度指标

其中，Xm是X的平均值，max|Xi|为时域峰值指标。

6.根据权利要求1所述的一种旋转机械轴承的故障诊断方法，其特征在于：所述将提取的7个时域特征值分别归一化至[-1，1]所采用的归一化转换表达式为，y＝2*(x-MinValue)/(MaxValue-MinValue)-1；

其中，x为归一化转换前的时域特征值，y为归一化转换后的值，MaxValue为7个时域特征值中的最大值，MinValue为7个时域特征值中的最小值。

7.根据权利要求1所述的一种旋转机械轴承的故障诊断方法，其特征在于：所述时域归一化后概率PAAp的表达式为，

8.根据权利要求1所述的一种旋转机械轴承的故障诊断方法，其特征在于：所述7个频域特征值的表达式具体为，平均信号功率指标

平均频率指标

信号平均能量指标

标准化能量方差指标

频谱最大值指标F5＝Max|Xi|，

方差系数指标

标准化信号功率倒数指标

其中，Xm是X的平均值，Max|Xi|为频谱最大值指标。

9.根据权利要求1所述的一种旋转机械轴承的故障诊断方法，其特征在于：所述频域归一化后概率PBBp的表达式为，

10.根据权利要求1所述的一种旋转机械轴承的故障诊断方法，其特征在于：所述计算出归一化常数K的结果，具体为，设机械轴承的识别框架为Ω，引入新的信任度函数对于 识别框架Ω上的v个mass函数m1,m2,…,mv的Dempster合成规则为，则归一化常数K为，其中，A为命题代表的名称，v为自然数，1≤v≤ψ，ψ为识别框架包含数目，Av为第v个对应的命题。