1.一种基于傅里叶分解与多尺度排列熵偏均值的滚动轴承故障诊断方法，其特征在于该方法包括如下步骤：(1)采集待诊断的原始滚动轴承故障振动信号；

(2)利用傅里叶分解方法对原始滚动轴承故障振动信号进行分解得到分量；

(3)计算每个所述分量的多尺度排列熵偏均值；

(4)选取多尺度排列熵偏均值最大的前3个分量进行重构得到重构信号；

(5)对重构信号进行包络谱分析，得到包络谱图；

(6)根据包络谱图识别故障特征。

2.根据权利要求1所述的一种基于傅里叶分解与多尺度排列熵偏均值的滚动轴承故障诊断方法，其特征在于所述步骤(3)具体如下：偏斜度：Skewness,Ske是以标准差为单位的算术平均数与众数的离差，故其取值范围一般在0与±3之间；Ske为0表示对称分布，ske为+3与-3分别表示极右偏态和极左偏态；

式中，SD表示原始数据的标准差；

依据偏斜度的定义及其和均值的联系，所述多尺度排列熵偏均值PMMPE定义如下：PMMPE＝(1+|Ske(MPE)|/3)*mean(MPE)           (4)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与均值。