1.一种基于全变分与补偿距离评估的轴承故障诊断方法，其特征在于，包括以下步骤：a.加速度传感器采集滚动轴承的多通道振动信号；

b.振动信号按时间序列分割，组成样本集；

c.对样本提取时域特征并引入振动信号全变分，得到时域一维特征行向量；

提取每个样本的时域特征，包括均值、标准差、均方根值、歪度指标、峭度指标、波形指标、裕度指标、脉冲指标、峰值指标9个传统时域特征基础上，引入了一种新的时域特征振动信号的全变分；设x为轴承的振动信号，由于正常运行下机器的振动或噪声是大量的、无规则的、大小接近的随机扰动的结果；而对于不正常运行状态下的振动信号，是在随机信号中出现有规则的周期性脉冲，这就意味着满足xi≈xi+1，为此，定义振动信号全变分为：式中，D∈R(n-1)×n为双对角矩阵，xi为振动信号的幅值，n为数据点数；

全变分函数对于快速变化的x给予大的值，因此更能反映出故障信号的时域特征； 提取的时域特征计算公式如下：均值： 标准差：

均方根值： 歪度指标：

峭度指标： 波形指标：

裕度指标： 脉冲指标：

峰值指标： 全变分：

d.不同通道的时域一维特征行向量组成高维数据特征集，并采用补偿距离评估算法获取敏感特征集；

e.利用PSO优化的支持向量机进行训练并建立故障诊断模型，确定轴承故障类型并输出结果。

2.根据权利要求1所述的一种基于全变分与补偿距离评估的轴承故障诊断方法，其特征在于，所述的步骤b中振动信号按时间序列分割获得样本集，每个样本集记为Xi，i＝1,

2,...,M，其中M≥200，|Xi|≥2000。

3.根据权利要求1所述的一种基于全变分与补偿距离评估的轴承故障诊断方法，其特征在于，所述的步骤d中的不同通道的时域一维特征行向量按行排列形成一个特征矩阵，再按列转化成一个特征列向量；不同样本的特征列向量组成高维数据特征集，并采用补偿距离评估算法获取敏感特征集，补偿距离指标选择大于阈值0.6或者补偿距离指标最大的3个特征为敏感特征集。