1.一种基于CV和BHSMM模型的滚动轴承剩余寿命预测方法，其特征是包括：步骤1)采集滚动轴承在无故障和不同故障工况下不同故障程度的振动信号，获得振动信号的列向量，根据所述的列向量得到逻辑回归函数CV，将所有的CV值作为一组观测列向量OT应用于标准的隐半马尔可夫模型λ＝(π，A，B，D)，B是状态转移概率分布矩阵，B是观测值概率分布矩阵，π是初始时刻状态概率、N是隐藏状态数、M是观测的状态数、D是状态驻留时间概率分布；

步骤2)：分别计算出每个观测列向量OT的前向概率为αt(j，d)、条件概率P(O|λm)、后向概率βt(i，d)，持续了时间d后转移到状态sj的转移概率为ξt(i，j，d)、第t个值处于状态si的概率γt(i，d)、在状态si持续了时间d后的概率为φt(i，d)；

步骤3)：根据高斯分布对所述的观测值概率分布矩阵B中的观测概率值bi(ot|ot‑1)优化，得出具有自相关性的观测概率bi(ot|ot‑1)以及相应的具有自相关性的αt(j，d)、βt(i，d)、ξt(i，j，d)、γ t(i，d)、φt(i，d)；当t＝1时，得到改进后的初始时刻状态概率步骤4)：采用贝塔分布对状态驻留时间d优化，由优化的状态驻留时间d得到改进后的状态驻留时间概率分布 根据优化后的自相关性的ξt(i，j，d)、γt(i，d)，计算出所述的状态转移概率分布矩阵A中的改进后的状态转移概率 和观测概率重估值 得到BHSMM模型

步骤5)：对BHSMM模型设计分类器，根据优化后具有自相关性的φt(i，d)，得到条件概率P(O|λm)最大的分类器，计算出相应的驻留时间Di，根据驻留时间Di得到剩余寿命。

2.根据权利要求1所述的基于CV和BHSMM模型的滚动轴承剩余寿命预测方法，其特征是：所述的逻辑回归函数 cvi＝1表示事件发生，cvi＝0表示事件未发生，Pi(cvi＝1|xi)表示观测量相对于第i个事件发生的概率，xi为k维列向量中第i个数值，β0为回归截距，βk为回归系数。

3.根据权利要求2所述的基于CV和BHSMM模型的滚动轴承剩余寿命预测方法，其特征是：分别将无故障下和一种故障下的振动信号的列向量组作为k维列向量，无故障下的CV＝

0.9，故障下的CV＝0.1，用极大似然估计法得到回归截距β0以及回归系数βk。

4.根据权利要求3所述的基于CV和BHSMM模型的滚动轴承剩余寿命预测方法，其特征是：前向概率为：αt‑d(i)表示t‑

d下隐藏状态的前向概率，αij(d)表示其对应的状态转移概率；条件概率后向概率βt(i，d)

βt+d(j)表示t+d下的隐

藏状态的后向概率；

5.根据权利要求4所述的基于CV和BHSMM模型的滚动轴承剩余寿命预测方法，其特征是：观测值ot在状态si下的条件概率分布均值 为在状态si下一阶观测过程的系数，qt为隐藏状态集对应的状态序列中的第t个值；

具有自相关性的观测概率

是高斯分布方差。

6.根据权利要求5所述的基于CV和BHSMM模型的滚动轴承剩余寿命预测方法，其特征是：状态驻留时间d的Beta分布的概率密度函数 通过概率密度函数得到状态驻留时间d的概率分布值。

7.根据权利要求6所述的基于CV和BHSMM模型的滚动轴承剩余寿命预测方法，其特征是：改进后的状态转移概率 观测系数 和方差 为：

8.根据权利要求7所述的基于CV和BHSMM模型的滚动轴承剩余寿命预测方法，其特征是：驻留时间的均值和方差 方差 驻留时间 T为预设寿命周期。

9.根据权利要求8所述的基于CV和BHSMM模型的滚动轴承剩余寿命预测方法，其特征是：剩余寿命RULi＝ai，i(Di+RUIi+1)+ai，i+1RULi+1，ai，i表示状态si时的自定义权重系数。

10.根据权利要求9所述的基于CV和BHSMM模型的滚动轴承剩余寿命预测方法，其特征是：当i＝N，持续留时间为Dn，则剩余寿命RULN＝aN，NDN。