1.一种轴承故障诊断方法，其特征在于，对于给定长度N的时间序列x＝{x1,x2,...,xN}，模糊散布熵计算步骤如下:步骤1、首先，利用正态分布函数

2

将xj(j＝1,2,...,N)映射到yj(j＝1,2,...,N)，yj∈(0,1)，其中μ和σ分别表示期望和方差；

步骤2、通过线性变换：

将yj映射到c*yj+0.5；其中，c为类别个数；

步骤3、计算散布模式 其中，

round为取整函数； m

为嵌入维度，d为时延； 散布模式由c位数字组成，每m

个数字有m种取值，对应的散布模式共有c个；

步骤4、计算每种散布模式 的概率；

步骤5、基于香农熵定义,模糊散布熵Fuzzy‑DispEn被定义为所述步骤4具体是：首先定义嵌入相量，embd(i)＝z(i:i+(m‑1)*d)，i＝1:N‑(m‑1)*d；

定义后计算嵌入相量与散布模式的欧式距离，选择欧式距离小于设置阈值r的散布模式，根据欧氏距离的大小分配相对应的散布模式出现的概率，若对嵌入相量z(l:l+(m‑1)*d)，有k个散布模式欧式距离小于r，距离矩阵为dis(k)，则每个散布模式的概率如下式所示：进一步，计算每种散布模式 的概率，

其中， 表示 映射到 的模糊隶属度， 表示 映射到 的模糊隶属都除以 中元素的总个数；

所述阈值r的参数可调；

测试模糊散布熵在多尺度上的正常信号与故障信号的区分能力；

其中，多尺度散布熵的计算方法如下：

首先，对长度为N的原始时间序列Xi＝{x1，x2，…，xN}，预先给定尺度τ＝1，2，…，按照式(9)对其进行粗粒化计算其粗粒化序列的模糊散布熵值，而后可以得到所有尺度相粗粒下序列的多尺度模糊散布熵，英文multiscale fuzzy dispersion entropy，简称MFDE：MFDE(x,m,c,d,τ)＝Fuzzy‑DispEN(yi(τ),m,c,d) (10)粗粒化序列的长度为原序列长度N除以尺度τ，随着尺度τ的增加，粗粒化序列的长度会越来越短，而序列越短，熵值的计算稳定性就会变差；

最后，比较正常状态下轴承信号在各个尺度下模糊散布熵以及各故障信号在各个尺度下模糊散布熵，可作为模式识别分类器的输入。

2.根据权利要求1所述的一种轴承故障诊断方法，其特征在于，在模糊散布熵的计算中，使用标准化的模糊散布熵作为模糊散布熵。