1.一种基于时间序列分解和保序回归的钻机主轴轴承健康状态评估方法，其特征在于，所述方法包括：获取轴承的监测数据，所述监测数据是径向安装在所述轴承外壁的加速度传感器预设时间段内采集到的振动加速度信号；

将所述监测数据与预设的失效阈值进行比较，确定所述轴承是否处于失效状态；

在所述未处于失效状态的情况下，基于STL算法的信号分解模型对所述监测数据进行分解，获得趋势分量；

根据所述趋势分量进行保序回归处理，生成健康状态拟合曲线；

对所述健康状态拟合曲线进行差分，生成增加值变化曲线；

根据所述增加值变化曲线和预设的退化阈值进分析，确定所述轴承的健康状态，并对不同健康状态阶段进行定量的划分。

2.根据权利要求1所述的方法，其特征在于，所述基于STL算法的信号分解模型为：s(t)＝Tt+St+Rt,t＝1,...,n

其中，s(t)为t时刻的振动加速度信号，Tt为t时刻的趋势分量，St为t时刻的周期分量，Rt为t时刻的余项分量，n为信号长度。

3.根据权利要求2所述的方法，其特征在于，所述基于STL算法的信号分解模型对所述监测数据进行分解，获得趋势分量，包括：基于STL算法的信号分解模型，结合内循环迭代处理所述监测数据，获得趋势分量；

其中，所述内循环迭代处理过程包括：

(k) (k)

(1)对初始值的赋值为：k＝0，Tt ＝0，其中，Tt 为内循环第k‑1次结束时的趋势分量；

(k)

(2)去趋势化为：s(t)‑Tt ；

(3)设信号周期为np，其信号周期的值为每个周期内样本数，将去趋势的信号中每个周期相同位置的样本点汇聚到一块，形成np个周期子序列，并用平滑参数为ns的Loess，对每个子序列进行局部加权回归，其中，Loess的权重为邻接权重与鲁棒权重的乘积；同时每个子序列向前向后各延展一个周期，所有子序列平滑后的值按照时间顺序排列组成临时周期序列 其中，ns为大于np的最小奇数，所述鲁棒权重是基于内循环第k‑1次结束时迭代结果计算获得，若当前迭代次数为首次迭代，所述鲁棒权重为1；

(4)对 做3次长度分别为np、np和3的滑动平均，再进行1次平滑参数为nl的Loess过程，得到序列 其中， 为 的趋势分量，nl为大于或等于np的最小奇数；

(5)求得周期分量为： 其中， 内循环第k‑1次结束时的周期性分量；

(6)去除周期分量为：

(7)对去周期分量的信号 做平滑参数为nt的进行Loess平滑，Loess的权重为(k+1)

邻接权重与鲁棒权重的乘积，得到Tt ，其中，nt的值的选择为在1.5np到2np间的奇数，所述鲁棒权重是基于内循环第k‑1次结束时的迭代结果计算获得，若当前迭代次数为首次迭代，所述鲁棒权重为1；

(k+1)

(8)判断是否满足最大迭代次数或Tt 收敛，若满足迭代终止条件，则输出STL分解结(k+1)果：Tt＝Tt ， 若不满足则重复步骤(2)‑步骤(8)。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：将鲁棒权重的计算作为处理所述监测数据的外循环，在内循环输出当前迭代的STL分解结果后，根据当前迭代的STL分解结果，结合鲁棒权重的计算公式得到下一次迭代时需要的鲁棒权重，其中，对于t时刻的所述鲁棒权重的计算公式为：ρt＝B(|Rt|/6×median(|Rt|))其中，ρt为鲁棒权重，B(u)为bisquare函数， u为bisquare函数的自变量，median(v)为median函数，v为median函数的自变量。

5.根据权利要求1所述的方法，其特征在于，所述根据所述趋势分量进行保序回归处理，生成健康状态拟合曲线，包括：设t时刻的振动加速度信号s(t)的趋势分量为Tt，则所述趋势分量 的值构成一个一维的有限的实数集合X＝x1,x2,…xn，求解目标函数获得一个保序回归结果Y＝y1,y2,...yn，根据保序回归结果，生成健康状态拟合曲线，所述目标函数为：其中，y1≤y2≤…≤yn，wi为权重是正值且w1+w2+…+wn＝1。

6.根据权利要求5所述的方法，其特征在于，求解所述目标函数的方式为：从最左边的x1开始，往右两两相邻的值进行比较，若满足单调性，则yi＝xi，若出现左边的值比右边的值大时，即xj＞xj+1，进行吸收处理，其中，吸收序列中的待吸收元素为，计算元素xj和xj+1的均值，若该均值小于xj+2，停止吸收处理，则yj和yj+1的值为该均值，即若该均值大于xj+2，吸收下一个待吸收元素xj+2，吸收序列为，计算元素xj、xj+1和xj+2的均值，若该均值小于xj+3，停止吸收处理，则yj、yj+1和yj+2的值为该均值，即 若该均值大于xj+3，继续吸收下一个待吸收元素，直至吸收序列中待吸收元素的均值小于下一个待吸收元素，停止吸收处理，继续往右两两相邻的值进行比较的过程，直到满足单调性的保序回归结果Y＝y1≤y2≤……≤yn。