1.一种滚动轴承故障识别方法，其特征在于：

获取待检测滚动轴承从开始运行到当前时段的所有振动信号；

以每个振动信号为中心选取设定时长的信号段作为该振动信号的目标信号段；

利用每个振动信号的目标信号段中所有振动信号的信号值得到该振动信号的局部信息熵；

获取每个振动信号的目标信号段中所有振动信号的信号值的方差，利用每个振动信号对应的方差和局部信息熵得到振动信号的信息熵波动范围；

获取振动信号的信息熵波动范围内的局部信息熵对应的振动信号记为初始目标振动信号；

利用任意两个初始目标振动信号之间的时间差将初始目标振动信号分为多种不同周期性的目标振动信号；

对每种属于同一周期性的目标振动信号的局部信息熵进行曲线拟合得到拟合曲线；

对每条拟合曲线上每个点的斜率进行聚类得到多类斜率，利用每类斜率均值之间的差值确定当前滚动轴承是否存在异常。

2.根据权利要求1所述的一种滚动轴承故障识别方法，其特征在于，目标信号段的长度大于滚动轴承的转动周期。

3.根据权利要求1所述的一种滚动轴承故障识别方法，其特征在于，利用每个振动信号对应的方差和局部信息熵得到振动信号的信息熵波动范围的步骤包括：分别获取所有振动信号的方差的均值和局部信息熵的均值作为目标方差和目标局部信息熵；

利用目标局部信息熵减去目标方差作为振动信号的信息熵波动范围的最小值；

利用目标局部信息熵加上目标方差作为振动信号的信息熵波动范围的最大值；

将信息熵波动范围的最大值和最小值形成的区间作为振动信号的信息熵波动范围。

4.根据权利要求1所述的一种滚动轴承故障识别方法，其特征在于，利用任意两个初始目标振动信号之间的时间差将初始目标振动信号分为多种不同周期性的目标振动信号的步骤包括：获取任意两个初始目标振动信号之间的时间差；

将时间差和转动周期相等且时间间隔为转动周期的振动信号划分为同一周期性的目标振动信号。

5.根据权利要求1所述的一种滚动轴承故障识别方法，其特征在于，对拟合曲线上每个点的斜率进行k‑means算法二分类得到两类斜率。

6.根据权利要求5所述的一种滚动轴承故障识别方法，其特征在于，利用每类斜率均值之间的差值确定当前滚动轴承是否存在异常的步骤包括：获取每类斜率中所有斜率的均值，并得到两类斜率的均值之间的差值；

当差值大于预设的异常阈值时，认为该滚动轴承存在故障；

当差值不大于预设的异常阈值时，认为该滚动轴承不存在故障。

7.一种滚动轴承故障识别系统，其特征在于，包括：

数据采集模块：用于获取待检测滚动轴承从开始运行到当前时段的所有振动信号，以每个振动信号为中心选取设定时长的信号段作为该振动信号的目标信号段；

数据处理模块：用于利用每个振动信号的目标信号段中所有振动信号的信号值得到该振动信号的局部信息熵；获取每个振动信号的目标信号段中所有振动信号的信号值的方差，利用每个振动信号对应的方差和局部信息熵得到振动信号的信息熵波动范围；

数据提取模块：用于获取振动信号的信息熵波动范围内的局部信息熵对应的振动信号记为初始目标振动信号；利用任意两个初始目标振动信号之间的时间差将初始目标振动信号分为多种不同周期性的目标振动信号；

检测识别模块：用于对每种属于同一周期性的目标振动信号的局部信息熵进行曲线拟合得到拟合曲线；对每条拟合曲线上每个点的斜率进行聚类得到多类斜率，利用每类斜率均值之间的差值确定当前滚动轴承是否存在异常。