1.一种滚动轴承健康状态在线监测与剩余寿命预测方法，其特征在于，包括以下步骤：步骤一：采集滚动轴承性能特征参数退化数据，建立基于广义Wiener过程的滚动轴承性能退化模型；

令S(t)表示滚动轴承在t时刻的真实性能特征退化量，常采用指数函数形式描述，即：S(t)＝φ+θexp[βt+ε(t)]     (1)

式中，φ为初始性能特征退化值，一般为0；β为漂移系数，为了描述不同轴承间的个体差异性，假设β为正态随机变量，即ε(t)是独立增量过程，表示滚动轴承的性能退化过程受内部和外部多种环境因素的影响的随机误差项，对于ε(t1)与ε(t2)‑ε(t1)，ε(t3)‑ε(t2)，…，ε(ti)‑ε(ti‑1)增量项相互独γ立，ε(t1)满足正态分布ε(t1)～N(0，(d1+d2t1) )，ε(ti)‑ε(ti‑1)满足正态分布ε(ti)‑ε(ti‑1)γ γ～N(0，(d1+d2ti) ‑(d1+d2ti‑1) )，i＝1，2，...n；

步骤二：滚动轴承健康状态在线监测与识别；

其中，在对滚动轴承健康状态在线监测与识别时，分别在多个测量时间点对滚动轴承进行测量，相对应的得到多个试验性能特征参数数据，然后采用3σ准则分析并识别出滚动轴承的退化阶段；

即若正态分布函数的均值为μ，标准偏差为σ，则取值在(μ‑3σ，μ+3σ)的概率为99.73％，假设第一阶段试验数据服从正态分布，若在线监测到Sk＞μk+3σk或Sk＜μk‑3σk，则认为此时滚动轴承已经发生退化，由于退化指标性能为递增趋势，因此这里只考虑上限值，即Sk＞μk+

3σk；

步骤三：广义Wiener过程退化模型初始参数估计；具体实现过程如下：

3.1、定义相关参数和数据阵：令Θ＝(μβ，σβ，d1，d2，γ)为模型中初始参数阵，定义Ty＝(y1，y2，...，ym) 和 yi服从ni维正态分布，即yi～MN(μβti，∑i)，其中 且

3.2、定义似然函数：结合滚动轴承性能特征参数退化数据，得到样本的对数似然函数为：式中，

3.3、确定参数μβ和 的极大似然估计表达式：分别求公式关于参数μβ和 的一阶偏导，并令其等于0，联立可得参数μβ和 的极大似然估计：

3.4、初始参数估计：显然，公式无法得到σβ的显式表达式，因此，我们通过遗传算法对公式进行最大化，得到参数Θ的极大似然估计 然后将其代入公式可得参数极大似然估计

步骤四：滚动轴承退化模型状态更新；

步骤五：基于广义Wiener过程的滚动轴承性能退化模型，在线预测滚动轴承的剩余寿命。

2.根据权利要求1所述的一种滚动轴承健康状态在线监测与剩余寿命预测方法，其特征在于：步骤一在采集滚动轴承性能特征参数退化数据时，从一批滚动轴承中随机地抽取多个试样投入试验，然后分别对每一个试样在不同测试时刻处进行性能参数数据测量，记录得到相应的性能特征参数退化值，即可得到多个试样的性能特征参数退化数据。

3.根据权利要求2所述的一种滚动轴承健康状态在线监测与剩余寿命预测方法，其特征在于：步骤一在建立滚动轴承性能退化模型时，对采集到的多个试样的性能特征参数退化数据进行取对数变换，同时对变换后的轴承性能特征退化量进行Y(ti)‑Y(0)的预处理后得到滚动轴承性能退化模型。

4.根据权利要求1所述的一种滚动轴承健康状态在线监测与剩余寿命预测方法，其特征在于：退化阶段包括正常运行阶段和退化阶段。

5.根据权利要求1所述的一种滚动轴承健康状态在线监测与剩余寿命预测方法，其特征在于：在滚动轴承退化模型状态更新时，结合同型号、同试验条件下的滚动轴承历史试验数据来得到参数的初始估计值，并利用滚动轴承实时测量得到的性能特征参数数据对滚动轴承退化模型的状态进行更新。

6.根据权利要求1所述的一种滚动轴承健康状态在线监测与剩余寿命预测方法，其特征在于：在对滚动轴承的剩余寿命在线预测时，需要预先给定滚动轴承的性能特征参数失效阈值，然后结合步骤三中求得的初始参数和更新后的滚动轴承退化模型对滚动轴承的寿命分布实时在线估计。