1.基于多尺度分散熵偏均值与非线性模式分解的变工况轴承故障诊断方法，其特征在于该方法包括如下步骤：(1)采集待诊断轴承的变工况下的原始故障信号；

(2)采用非线性模式分解对所述原始故障信号进行分解得到分量；

(3)采用多尺度分散熵指标对所述分量进行计算，得到其多尺度分散熵偏均值；

(4)选取最大偏均值对应的分量；

(5)采用阶比分析识别轴承的故障类型。

2.根据权利要求1所述基于多尺度分散熵偏均值与非线性模式分解的变工况轴承故障诊断方法，其特征在于所述步骤(2)的具体步骤如下：(2-1)对获取的原始时变信号x(t)进行小波变换；

(2-2)对小波变换识别到的分量，使用脊线法提取其时频脊线，即分量中由脊点组成的序列；

(2-3)采用脊线法对主谐波进行重构，主谐波的脊线 指使路径函数最大的峰值序列，因此由步骤(2-2)提取脊线后，采用脊线重构公式进行重构；对于小波变换，脊线重构公式为：式中，vr(t)表示脊线法对应频率；ωp(t)表示脊线；δlnνd(t)表示主谐波脊线 离散化的修正系数；Ar(t)表示脊线法对应幅值；Φ(t)表示相位；Ws(·)表示小波变换；x+(·)表示取正值部分；ω表示频率；ωψ表示小波峰值频率；u与ξ分别表示时间t在时域与频域的另一种表达；ψ(t)表示对数正态小波基函数； 与ψ*(t)分别为对数正态小波基函数的傅里叶变换和复共轭函数； 表示原始信号傅里叶变换；ωψ为小波峰值频率；

(2-4)选取最优时频变换，最优时频变换的经验公式为：式中， 表示求导；当K<1时，选择加窗傅里叶变换，否则，继续选用小波变换；若选择加窗傅里叶变换，则对信号s(t)进行加窗傅里叶变换；

(2-5)采用脊线法与直接法进行重构，脊线法重构公式为：νr(t)＝ωp(t)+δνd(t)

式中，δνd(t)表示离散化修正系数；g(·)表示高斯窗函数； 表示g(·)的傅里叶变换；而其直接法重构公式为：式中，vd(t)表示直接法对应频率；Re[·]表示取复数实部的运算符；

对于小波变换，直接法重构公式为：

式中，Ad(t)表示直接法对应幅值。

为了使重构更精确，对重构后得到的谐波参数进行加权平均，得：式中， 表示加权幅值； 表示加权相位； 表示加权频率；A(h)(t)表示h次谐波的幅值；A(h′)(t)表示各谐波幅值；min(·)表示寻找最小值；I[·]表示取整，且：ΔΦh′h(t)≡hΦ(h′)(t)-h′Φ(h)(t)(h) (h′)

式中，Φ (t)表示h次谐波相位；Φ (t)表示各谐波相位；arg(·)表示取复数辐角的运算符；

脊线法具有噪声鲁棒性，而直接法易受噪声干扰；当噪声较小时，比起脊线法，直接法重构更精确，而噪声较大时，脊线法更精确；因此，针对不同的情况，非线性模式分解自适应的选择重构方法；计算差异值为：式中， 为调整系数，d表示直接法，r表示脊线法；根据经验公式：当 时，选取直接法进行重构，当 时，选取脊线法进行重构；

(2-6)提取次谐波，根据提取得到的主谐波，其脊频率为 而h次谐波的脊线为最接近 的峰值序列；找到脊线 后，用直接法与脊线法对次谐波进行重构，根据所述步骤(2-5)中的差异值确定最优重构方法，从而确定次谐波参数A(h)(t)，Φ(h)(t)，ν(h)(t)；

(2-7)辨别真实谐波，提取次谐波后，为防止噪声或无关分量的干扰，需要确定其是否为真实谐波；为此，通过时移替代数据来检测谐波的真伪，针对主谐波和次谐波独立性检验的零假设进行检测；

(2-8)得出分解结果，将上述提取得到的所有真实谐波相加，即可得到一个非线性模式分量；从原始信号中减去该非线性模式分量，然后对剩余信号重复进行分解，直到达到指定分解数量时，停止分解。

3.根据权利要求1所述的基于多尺度分散熵偏均值与非线性模式分解的变工况轴承故障诊断方法，其特征在于所述步骤(3)的具体步骤如下：(3-1)计算每个所述分量的偏斜度，即为：

式中，X′为均值，M0为众数，Me为中位数，SD表示原始数据的标准差；

(3-2)计算多尺度分散熵指标，即多尺度分散熵偏均值为：PMMDE＝(1+|Ske(MDE)|/3)*mean(MDE)式中，Ske(MDE)与mean(MDE)分别表示τ个尺度上的多尺度分散熵的偏斜度及均值。

4.根据权利要求1所述的基于多尺度分散熵偏均值与非线性模式分解的变工况轴承故障诊断方法，其特征在于所述步骤(4)具体是：通过步骤(3)所得多尺度分散熵偏均值选取故障信息最丰富的分量。

5.根据权利要求1所述的基于多尺度分散熵偏均值与非线性模式分解的变工况轴承故障诊断方法，其特征在于所述步骤(5)的具体步骤如下：(5-1)确定阶比分析的最大分析阶次，依据采样定理可知，采样率应不大于最大分析阶次的2倍；

(5-2)选取包含丰富故障信息的最佳分量对其进行角域重采样，得到重采样信号；

(5-3)对所述重采样信号进行阶比分析，得到其包络阶次谱，从而判断待诊断轴承的故障类型。