1.一种基于图相似度特征提取的滚动轴承故障检测方法，其特征在于，包括以下步骤：步骤(1)：利用加速度振动传感器采集滚动轴承在健康运行状态下的振动信号数据，记N×1

为振动信号向量z∈R ，并同时记录加速度振动传感器采集信号的频率f和滚动轴承的转N×1

动频率r；其中，R 表示N×1维的实数向量，R表示实数集，N为振动信号数据的个数，频率的单位为赫兹；

N×1

步骤(2)：先设置移动窗口长度L等于f除以r的商，再从振动信号向量z∈R 的第一个元素开始，利用移动窗口依次将z划分成n个L×1维的窗口向量x1，x2，…，xn，具体的实施过程如步骤(2.1)至步骤(2.3)所示：步骤(2.1)：初始化i＝1；

步骤(2.2)：将振动信号向量z中的第(i‑1)×L+1个元素至第i×L个元素组建成第i个L×1 L×1

窗口向量xi∈R ；其中，R 表示L×1维的实数向量；

步骤(2.3)：判断是否满足条件：(i+1)×L＞N；若否，则设置i＝i+1后，返回步骤(2.2)；

若是，则得到n个L×1维的窗口向量x1，x2，…，xn；

L×L

步骤(3)：根据如下所示公式计算图矩阵Zi∈R 中的第a行第b列元素Zi(a，b)，重复本步骤直至得到图矩阵Z1，Z2，…，Zn；其中，a∈{1，2，…，L}，b∈{1，2，…，L}，i∈{1，2，…，n}；

上式中，e为自然常数，xi(a)和xi(b)分别表示窗口向量xi中的第a个元素和第b个元素，δ表示图矩阵参数，其取值范围是5L≤δ≤500L；

步骤(4)：根据如下所示步骤(4.1)至步骤(4.6)，依次逐个提取特征向量s1，s2，…，sK，并保留左载荷向量u1，u2，…，uK和右载荷向量v1，v2，…，vK；

步骤(4.1)：初始化k＝1；

步骤(4.2)：分别初始化左载荷向量uk和右载荷向量vk为任意的L×1维的非零实数向量；

步骤(4.3)：若k＜2，则根据 计算矩阵Gu；若k≥2，则根据公式计算矩阵Gu；再根据公式uk＝Guuk/||Guuk||更新uk；其中，表示计算Guuk的长度，上标号T表示矩阵或向量的转置符号；

步骤(4.4)：根据 计算矩阵Gv后，再根据公式vk＝Gvvk/||Gvvk||更新vk；

步骤(4.5)：判断vk是否收敛；若否，则返回步骤(4.3)；若是，则根据 计算特n×1 n×1

征向量sk∈R 中的第i个元素sk(i)；其中，R 表示n×1维的实数向量；

步骤(4.6)：判断特征向量sk中所有元素的方差是否小于阈值 若否，则设置k＝k+1后，返回步骤(4.2)；若是，则设置K＝k‑1后，得到K个特征向量s1，s2，…，sK，并保留左载荷向量u1，u2，…，uK和右载荷向量v1，v2，…，vK；

T n×n

步骤(5)：根据公式Λ＝SS/(n‑1)计算协方差矩阵Λ∈R 后，再计算检测指标向量并将 中的最大值记录为φmax；其中，特征矩阵S＝[s1，s2，…，sK]，diag{}表示将大括号内的矩阵对角线元素转变成列向量的操作；

步骤(6)：利用加速度振动传感器在线实时采集滚动轴承运行时的振动信号数据，当振L×1

动信号数据的采集个数达到L时，将这L个振动信号数据组建成窗口向量zt∈R ，并根据如下所示公式计算图矩阵Xt中的第a行第b列元素Xt(a，b)；其中，t表示窗口向量zt对应的采样时刻；

上式中，zt(a)和zt(b)分别表示zt中的第a个元素和第b个元素；

T K×1 T ‑1

步骤(7)：根据公式yt＝diag{UXtV}计算特征向量yt∈R 后，再根据φt＝ytΛ yt计算检测指标φt；其中，左载荷矩阵U＝[u1，u2，…，uK]，右载荷矩阵V＝[v1，v2，…，vK]；

步骤(8)：判断是否满足条件：φt≤φmax；若是，则滚动轴承运行状态健康，并返回步骤(6)继续利用新采样时刻的窗口向量实施滚动轴承故障检测；若否，则执行步骤(9)；

步骤(9)：返回步骤(6)继续利用最新采集的L个振动信号数据实施故障检测，若连续6个采样时刻的检测指标皆大于φmax，则触发滚动轴承的故障警报；反之，则滚动轴承运行状态健康。