1.一种基于信号冲击性和周期性的轴承健康指标构建方法，包括以下步骤：步骤一，获得轴承振动信号；步骤二，将振动信号划分成多个时域信号块；步骤三，计算每个信号块的MLK和FAMP；步骤四，根据MLK‑FAMP找到包含故障信息的信号块；步骤五，根据找到信号块的FAMP判断出轴承早期故障类型；步骤六，根据相对相似性与数学统计方法得到最终的健康指标；其特征在于：其中在上述步骤一中，通过传感器和数据采集仪等仪器获得轴承的振动信号；

其中在上述步骤二中，通过1/3二叉树法将振动时域信号划分成多个时域信号块；

其中在上述步骤三中，按照轴承的四种故障类型，分别计算每个信号块的局部中值峭度(MLK)和故障特征阶次点幅值(FAMP)；

其中在上述步骤四中，将每个信号块的MLK和FAMP相加，得到MLK‑FAMP。根据MLK‑FAMP，找到包含故障信息的信号块；

其中在上述步骤五中，计算包含故障信息信号块的FAMP,并通过FAMP的趋势判断出轴承的早期故障；

其中在上述步骤六中，将相对相似性与数学统计方法应用于包含故障信息信号块的FAMP，得到最终的健康指标MLK‑FAMP‑HI，实现轴承早期的状态监测。

2.根据权利要求1所述的一种基于信号冲击性和周期性的轴承健康指标构建方法，其特征在于：所述步骤三中，计算局部中值峭度(MLK)的具体方法为：首先计算每种故障冲击发生一次的时间，根据这个时间将每个信号块划分成更小的信号段，然后计算每个小信号段的峭度，根据所有信号段的峭度，最后求出每个信号块的局部中值峭度(MLK)。

3.根据权利要求1所述的一种基于信号冲击性和周期性的轴承健康指标构建方法，其特征在于：所述步骤三中，计算故障特征阶次点幅值(FAMP)的具体方法为：首先求出每个信号块的阶次包络谱，然后根据四种故障特征阶次，计算出每种故障阶次点及其谐波的幅值。

4.根据权利要求1所述的一种基于信号冲击性和周期性的轴承健康指标构建方法，其特征在于：所述步骤四中，每个MLK‑FAMP包含四个成分，分别对应四种故障类型。

5.根据权利要求1所述的一种基于信号冲击性和周期性的轴承健康指标构建方法，其特征在于：所述步骤六中，数学统计方法运用了正态分布和3σ原则，构建了统计阈值，若健康指标超过这个阈值，则视为发生故障。