1.一种滚动轴承早期故障诊断方法，其特征在于包括以下步骤：步骤1、获取滚动轴承全寿命周期的初期振动数据S，选择初始的p个数据进行特征提取；

步骤2、对特征进行高斯加权移动平均滤波处理和开方累积加和技术变换处理；

步骤3、利用皮尔逊相关系数选择特征；

步骤4、利用主成分分析技术构建新的健康指标，计算阈值，利用连续报警次数触发机制实时监测滚动轴承早期故障。

2.根据权利要求1所述的一种滚动轴承早期故障诊断方法，其特征在于：步骤1中获取滚动轴承全寿命周期的初期振动数据S，选择初始采集的p个历史数据，提取A个特征，构成原始特征指标集F＝(f1,f2,...,fi)，i＝1,2,...,A，其中fi＝(fi1,fi2,...,fip)。

3.根据权利要求2所述的一种滚动轴承早期故障诊断方法，其特征在于：步骤2具体操作为对原始特征集F中各个特征进行高斯去噪算法平滑处理，得到F'＝(f'1,f2',...,fi')；

然后对特征集F'中各个特征进行开方累积求和技术变换处理，得到CF＝(cf1,cf2,...,cfi)。

4.根据权利要求3所述的一种滚动轴承早期故障诊断方法，其特征在于：步骤3具体操作为计算特征集中的开方累积求和均方根与其他开方累积求和变换的A－1个特征的皮尔逊相关系数，设定预设阈值q，大于阈值q的B个特征则被保留下来，得到新特征指标集CF'＝(cf1,cf2,...,cfB)。

5.根据权利要求4所述的一种滚动轴承早期故障诊断方法，其特征在于：步骤4具体操作为对新特征指标集CF'进行主成分分析计算，选择第一主成分数列的差分数列作为健康指标HI；利用健康指初始的p－1个历史数据，计算得到该健康指标的均值 及标准差σ，计算初始阈值计算实时采集新振动信号的A个特征，添加至F'中，此时利用步骤1～步骤3选定的特征集，此时每个特征里有p+1个值；然后把这些特征进行主成分分析计算，取其第一主成分，计算其差分数列为新的健康指标HI'；

如果HI'中有连续3个值HI'm、HI'm+1和HI'm+2超过阈值T，则表示在时刻tm时滚动轴承出现了早期故障；若没有连续3个值超过阈值T，则读取下一个振动信号，计算新振动信号的A个特征，添加至上一次的F'中，再次利用步骤1～步骤3选定的特征集，然后把这些特征进行主成分分析计算，计算健康指标，一直到满足连续3个健康指标值超过阈值T为止。

6.根据权利要求2所述的一种滚动轴承早期故障诊断方法，其特征在于：步骤1中所述的特征包括14个时域特征和4个频域特征；14个时域特征包括10个有量纲的时域特征，分别是均方根、最大值、最小值、平均值、峰峰值、绝对平均值、方差、标准差、峭度、偏度，具体的表达式如下：均方根值 最大值F2＝max(x(i))；

最小值F3＝min(x(i))；均值

峰峰值F5＝max(x(i))‑min(x(i))；绝对平均值方差 标准差

峭度 偏度

4个无量纲时域特征，分别是波形因子、峰值因子、脉冲因子和裕度因子，具体表达式如下：波形因子 峰值因子

脉冲因子 裕度因子

4个频域特征包括平均频率、重心频率、均方根频率和频率标准差，为了获得振动信号的频域特征，可将时域信号进行傅里叶变换FFT得到频域信号，具体表达式为：平均频率 重心频率

均方根频率 频率标准差

其中fk为第k条谱线对应的频率值，s(k)为其对应的频率幅值；

k＝1,2,...,Nfft，Nfft是频谱信号的长度；

频率特征F15反映了频率振动能量大小，F16～F17反映了主频带位置的变化，F18反映了频谱的分散程度。

7.根据权利要求3所述的一种滚动轴承早期故障诊断方法，其特征在于：步骤2中利用高斯去噪算法平滑，即高斯加权移动平均滤波器，公式如下：设滑动窗口长度为n，n为偶数或者奇数时：

其中，G是满足高斯分布的权重向量，fi'为第i个特征经过高斯加权移动平均滤波平滑后的特征，高斯权重向量G的表达式为：其中A是归一化系数，a为高斯去噪滑窗的宽度，

以及开方累积求和算法公式如下：

其中 表示的是取轴承在初始运行时期的第i个特征的平均值。

8.根据权利要求1所述的一种滚动轴承早期故障诊断方法，其特征在于：步骤3中皮尔逊相关系数的公式如下：其中k是特征x(i)的长度，和 分别是x(i)和y(i)的均值；皮尔逊相关系数的取值范围是[‑1,1]；相关系数的绝对值越接近1，则表明x与y相关度越高；相关系数的绝对值越接近于0，则表明x与y的相关度越低。