1.一种滚动轴承剩余寿命预测方法，其特征在于，包括以下步骤：

获取待预测滚动轴承的实时振动数据；以及与待预测滚动轴承同类的滚动轴承整个生命周期的历史使用数据，所述历史使用数据包括已使用寿命、已使用寿命对应的振动数据；

将历史使用数据输入预先建立的加速退化时刻预测模型中，所述加速退化时刻预测模型中包括与平稳退化阶段对应的第一卡尔曼滤波器和与加速退化阶段对应的第二卡尔曼滤波器；

根据历史使用数据以及第一卡尔曼滤波器得到每个时刻属于平稳退化阶段的第一概率；根据历史使用数据以及第二卡尔曼滤波器得到每个时刻属于加速退化阶段的第二概率；

若连续若干个时刻的第二概率大于第一概率，则根据这若干个时刻确定加速退化时刻；

根据加速退化时刻以前的历史使用数据得到平稳退化寿命预测模型，根据加速退化时刻以后的历史使用数据得到加速退化寿命预测模型；

通过实时振动数据判断待预测滚动轴承所处的阶段，若处于平稳退化阶段，则按照平稳退化寿命预测模型进行寿命预测；若处于加速退化阶段，则按照加速退化寿命预测模型进行寿命预测。

2.根据权利要求1所述的滚动轴承剩余寿命预测方法，其特征在于，所述加速退化寿命预测模型为随机效应指数模型，根据加速退化时刻以后的历史使用数据得到随机效应指数模型中的参数，对所述参数进行更新得到剩余寿命概率密度函数，进而对加速退化阶段的剩余寿命进行预测。

3.根据权利要求2所述的滚动轴承剩余寿命预测方法，其特征在于，通过实时振动数据以及历史使用数据，利用贝叶斯算法更新所述随机效应指数模型中的参数。

4.根据权利要求2所述的滚动轴承剩余寿命预测方法，其特征在于，通过极大似然法求解随机效应指数模型中的参数。

5.根据权利要求2所述的滚动轴承剩余寿命预测方法，其特征在于，所述随机效应指数模型为：其中，Y(t)为t时刻的振动数据；α为常数；θ和β为参数；σ2为方差；ε(t)为误差项，是均值为0、方差为σ2的布朗运动。

6.根据权利要求1所述的滚动轴承剩余寿命预测方法，其特征在于，每个时刻属于各阶段的概率的计算过程为：其中， 为t时刻下振动数据属于第i个卡尔曼滤波器的概率；Zij为第i个卡尔曼滤波器转移到第j个卡尔曼滤波器的概率；n为卡尔曼滤波器的数量； 为第i个卡尔曼滤波器的测量残差服从均值为0的正态分布的概率密度函数。

7.根据权利要求3所述的滚动轴承剩余寿命预测方法，其特征在于，所述剩余寿命概率密度函数的最高点为剩余寿命的估计值，剩余寿命概率密度函数为：其中，f(t)为剩余寿命概率密度函数； 为标准正态分布的概率密度函数； 为t+tk时刻服从正态分布的振动数据的均值； 为t+tk时刻服从正态分布的振动数据的方差；D为失效阈值。

8.根据权利要求1所述的滚动轴承剩余寿命预测方法，其特征在于，所述振动数据包括从振动信号中提取的至少一个特征值。

9.一种滚动轴承剩余寿命预测装置，其特征在于，包括处理器、存储器以及存储在所述存储器中并可在处理器上运行的计算机程序，所述处理器在执行所述计算机程序时实现如权利要求1-8中任一项所述的滚动轴承剩余寿命预测方法。