1.一种基于非同步熵的滚动轴承早期故障检测方法，其特征在于，包括以下步骤：(1)确定同步数据获取的采样频率、相空间重构的时间延迟τ和嵌入维数m、相似容度阈值r以及故障阈值T；

(2)利用振动传感器和转速传感器采集同步振动数据；

(3)根据预先设定的时间延迟τ和嵌入维数m，将同步振动数据进行相空间重构；

(4)利用中心化处理方法对相空间中每个m维向量中心化处理；

(5)计算中心化处理后相空间中所有m维向量数据的二阶矩；

(6)基于中心化处理后的相空间，计算各轨道之间的距离；

(7)基于二阶矩和相空间中各m维向量之间的距离，计算所有m维向量之间的相似度；

(8)重复步骤(3)至(7)，将同步振动数据重构为(m+1)维的相空间，对(m+1)维相空间中每个m维向量中心化处理；计算(m+1)维相空间中所有(m+1)维向量数据的二阶矩；计算中心化处理后各(m+1)维向量之间的距离及各(m+1)维向量之间的相似度；

(9)计算非同步熵NSE；

(10)基于计算所得非同步熵NSE和设定的故障阈值T来识别滚动轴承早期故障，如果非同步熵NSE大于阈值T，则认为滚动轴承早期故障已出现，反之滚动轴承为正常状态；

所述步骤(3)实现过程如下：

根据步骤(1)中设定的时间延迟τ和嵌入维数m对同步振动数据进行相空间重构其中，m维嵌入向量 表示为：所述步骤(4)实现过程如下：

针对相空间中每个m维向量，利用中心化处理方法对其进行中心化处理，确保每维向量的均值为0；因此，嵌入向量 被中心化为：其中， 为嵌入向量 的均值，如下式所示：所述步骤(5)实现过程如下：

计算中心化处理后相空间中所有m维向量数据二阶矩的均值 如下式所示：其中， 代表着中心化处理后相空间中第i个m维向量数据二阶矩，如下式所示：其中， 代表中心化处理后第i个m维向量 中的第(k‑1)个数据；

所述步骤(6)实现过程如下：

针对中心化处理后相空间中的m维向量，计算m维向量 和 之间的相互距离：其中， 和 分别代表相空间中第i个和j个中心化处理后的m维向量；

所述步骤(7)实现过程如下：

根据计算所得相空间中各m维向量之间的相互距离 计算相空间中各m维向量之间的相似度：其中，n为相似容限边界的梯度，r为相似容度阈值；

步骤(8)所述相空间各(m+1)维向量之间的相似度为：所述步骤(9)实现过程如下：

根据计算所得相似度 和 计算非同步熵NSE，如下式所示：NSE＝ln(Φ(m))‑ln(Φ(m+1))其中：

当非同步熵较大时，说明信号复杂度较高，非同步成分明显，滚动轴承为故障状态；反之，则说明信号的复杂度较低，非同步成分不明显或缺失，滚动轴承为正常状态。

2.根据权利要求1所述的一种基于非同步熵的滚动轴承早期故障检测方法，其特征在于，步骤(1)所述的时间延迟τ根据旋转轴每转运行的周期设定；所述嵌入维数m根据滚动轴承早期故障特征确定。

3.根据权利要求1所述的一种基于非同步熵的滚动轴承早期故障检测方法，其特征在于，所述步骤(2)实现过程如下：将旋转轴的转速作为参考信号，同步获取滚动轴承工作过程中的振动数据；转速计用于测量旋转轴转速信号，获取的滚动轴承工作过程中振动数据为位移数据、速度数据或者加速度数据；获得的同步数据表示为：Y＝{y(1),y(2),…,y(i),…,y(kM)}其中，M为每转采集点的个数，k为采集信号的总转数。