1.一种基于平均随机弱正交匹配追踪的滚动轴承故障稀疏诊断方法,其特征在于：该方法内容包括以下步骤：(1)输入：振动信号y，超完备字典D，参数δ，平均次数N，迭代次数n；所述振动信号y为传递到传感器的滚动轴承振动信号；考虑到冲击信号的特征，选用db8小波构造所述超完备字典D；所述参数δ为有限等距性质中的参数；

(2)初始化：初始残差为r＝y；稀疏子字典 稀疏字典 原始信号稀疏度K0＝

0；

(3)对所有的原子索引i，计算内积向量 并令原子数K0＝K0+1；所述原子索引i为字典D中的原子索引，di为字典D中索引对应的原子， 为字典D中索引对应的原子；

(4)将zi中K0个最大值对应的原子索引存入集合Γ，若 则返回步骤(3)，否则进入步骤(5)；

(5)利用改进后的模拟退火算法从zi前K0个最大值对应的原子中随机选取K个原子，构成稀疏子字典Λ，并更新稀疏字典W＝[W,Λ]；

(6)若W中原子数≥K0，则进入步骤(7)；否则采用弱正交的方式更新残差r，K0＝K0-K，重新计算内积向量 后返回步骤(5)继续迭代；

(7)n＝n+1，计算稀疏表示系数α，重构冲击时域信号(8)若n＝N，对 进行平均处理，得 否则返回步骤(2)。

2.根据权利要求1所述的一种基于平均随机弱正交匹配追踪的滚动轴承故障稀疏诊断方法，其特征在于：在步骤(5)中，所述改进后的模拟退火算法随机选取多个原子构成稀疏子字典，然后更新稀疏字典；其步骤如下：(1)对所有的原子索引i，计算内积向量

(2)利用改进后的模拟退火算法从zi前K0个最大值对应的原子中随机选取K个，构成稀疏子字典Λ；

(3)更新稀疏字典W＝[W,Λ]；

其中zi为内积向量，d为原子，K0为预估计的稀疏度，Λ为稀疏子字典，W为稀疏字典。

3.根据权利要求2所述的一种基于平均随机弱正交匹配追踪的滚动轴承故障稀疏诊断方法，其特征在于：所述利用改进后的模拟退火算法从zi前K0个最大值对应的原子中随机选取K个原子，其步骤如下：step1将内积中前K0个最大值降序排列存入z中，并将z(1)对应的原子存入Λ中；

step2按照如下公式计算dz：

dz＝z(m)-z0                    (1)m为循环次数，z0为上次被选中原子对应的内积；

step3按照如下公式计算P：

P＝e(T·α·dz)/(abs(z(m))+eps)/TolFun          (2)式中，α为概率控制系数，目的是使P落在(0,1)中，使足够的原子在模拟退火时产生的概率与随机数在同一量级；T为温度，随着迭代次数的增加而升高；z为目标函数值，目标函数为原子与信号的内积；eps与TolFun用来调节温度值，TolFun取10-4；

step4若P大于(0,1)之间的随机数，则将z(m)对应的原子存入Λ中，并令z0＝z(m)；否则进入下一步step5；

step5m＝m+1，若m＝K0，输出Λ；否则，返回step2。

4.根据权利要求2所述的一种基于平均随机弱正交匹配追踪的滚动轴承故障稀疏诊断方法，其特征在于：所述更新稀疏字典W，遵循如下公式：

W＝[W,Λ]                         (3)式中，Λ为当前模拟退火所选取原子构成的稀疏子字典，W为所有已选取原子构成的稀疏字典，用于最终求解稀疏表示系数，这种字典更新方式保证了每次更新都有重复的原子与未重复原子进入。

5.根据权利要求1所述的一种基于平均随机弱正交匹配追踪的滚动轴承故障稀疏诊断方法，其特征在于：所述采用弱正交的方式更新残差，遵循如下公式：

r＝y-ΛΛ+y                         (4)其中，r为残差，y为原始振动信号，Λ为当前模拟退火所选取的稀疏子字典，Λ+为其伪逆；

设经过k次迭代后，残差为rk，稀疏字典为Wk，由字典更新方式知，Wk＝[Wk-1,Λ]，Wk-1为第k-1次迭代产生的稀疏字典；经过推导可知，rk不仅与k+1次更新出的稀疏子字典正交，而且与第k次选出的稀疏子字典Λ正交，但不与第k-1次迭代产生的稀疏字典Wk-1正交；这种弱正交性使得W由与故障成分相似的重复的原子和未重复的原子共同构成，不含其它无关成分，同时，在一定程度上减弱了局部最优对算法的影响。

6.根据权利要求1所述的一种基于平均随机弱正交匹配追踪的滚动轴承故障稀疏诊断方法，其特征在于：在步骤(8)中，所述若n＝N，对 进行平均处理，得 是当n达到预设值N后，将每次迭代重构后的冲击信号 做算术平均处理，其计算公式为：其中，N为平均次数， 为第n次迭代重构出的冲击信号，为平均化处理后结果；

由于模拟退火在选择原子时存在一定的随机性，故采用多重构、平均化的思想降低随机性，使故障冲击趋于稳定；平均次数达到N后，将每次重构的故障时域信号进行平均化处理，可得最终冲击信号时域图。