1.一种基于关系网络的轴承健康评估方法，其特征在于包括如下步骤：取待评估轴承初始运行状态的第1个样本作为支撑集S，早期正常运行状态的m个样本作为查询集Q进行训练，当前运行状态的样本y进行测试，并构建查询集Q中m个样本的健康标签；

构建轴承健康评估关系网络模型；

将查询集Q的频谱与支撑集S的频谱输入关系网络模型，将真实的健康标签与预测标签之间的均方误差作为损失函数值，利用BP反向传播算法进行训练，得到关系网络模型参数；

利用训练好的关系网络模型计算轴承当前运行状态样本y与支撑集S之间的关系得分，接着对关系得分进行Savitzky‑Golay平滑滤波得到轴承状态健康得分。

2.如权利要求1所述的基于关系网络的轴承健康评估方法，其特征在于，构建查询集Q中m个样本的健康标签的方法如下：首先，采集待评估轴承原始振动信号段，每一段振动信号选取2N个采样点作为一个样本；然后，取待评估轴承初始运行状态的第一个样本作为支撑集S，早期正常运行状态的m个样本作为查询集Q进行训练，当前运行状态的样本y进行测试，并对查询集Q中m个样本打上健康标签“1”。

3.如权利要求1所述的基于关系网络的轴承健康评估方法，其特征在于：通过快速傅里叶变换公式获得支撑集S的频谱：F(s)；查询集Q的频谱：F(q1)，F(q2)，F(q3)，...，F(qm)；以及当前运行状态样本y的频谱：F(y)。

4.如权利要求3所述的基于关系网络的轴承健康评估方法，其特征在于，所述快速傅里叶变换公式如下：式中：F(k)表示信号x(n)的频谱，x(n)表示轴承振动信号，N表示振动信号采样点个数；

WN为旋转因子，经快速傅里叶变换后得到振动信号的频谱，频谱长度为N。

5.如权利要求1所述的基于关系网络的轴承健康评估方法，其特征在于：所述轴承健康评估关系网络模型包括：嵌入模块和关系模块，嵌入模块用于提取输入频谱的特征表示，关系模块用于计算两个频谱特征表示之间的关系得分；

所构建的嵌入模块共7层，包括4个卷积模块和3个池化层，其中第1层，第3层，第5层，第

6层为卷积模块；第2层，第4层为最大池化层；第7层为自适应最大池化层；

所构建的关系模块共6层，包括2个卷积模块、2个池化层和2个全连接层；其中，第1层，第3层为卷积模块；第2层，第4层为最大池化层；第5层，第6层为全连接层。第5层全连接层的神经元个数为1*8，第6层全连接层的神经元个数为1*1；

每层卷积模块分别包括一维卷积层、批标准化层和激活函数；

在关系网络模型中除特征提取模块第1层卷积的卷积核大小为1*10，其余卷积的卷积核大小均为1*3；自适应最大池化层大小为1*25，最大池化层大小均为1*2；

激活函数中关系模块第6层全连接层为sigmoid函数，其余均为relu函数。

6.如权利要求1所述的基于关系网络的轴承健康评估方法，其特征在于，所述得到关系网络模型参数的方法如下：将支撑集S的频谱F(s)与查询集Q中的频谱F(q1)，F(q2)，F(q3)，...，F(qm)输入到嵌入模块f，得到支撑集S的特征表示f(s)与查询集Q中的特征表示f(qi)；

将支撑集S的特征表示f(s)依次与查询集Q中m个特征表示f(qi)拼接在一起，得到m个特征拼接后的样本Z(f(s)，f(qi))；

将拼接后的m个特征Z(f(s)，f(qi))输入到关系模块g中，通过关系模块生成m个关系得分ri：ri＝g(Z(f(s),f(qi))

式中：ri表示支撑集S与查询集Q中样本之间的关系得分，即距离或相似性，ri的取值范围为0～1，g表示关系模块用于计算两个特征表示之间的关系得分，f表示嵌入模块用于提取特征表示，Z表示将f(s)与f(qi)进行特征拼接；

将查询集Q中真实的健康标签“1”与预测标签ri之间的均方误差作为损失函数，利用BP反向传播算法进行训练，直到模型收敛，得到模型参数。

7.如权利要求6所述的基于关系网络的轴承健康评估方法，其特征在于：损失函数值计算公式如下：其中，φ，分别表示嵌入模块f与关系模块g的参数。

8.如权利要求1所述的基于关系网络的轴承健康评估方法，其特征在于利用训练好的关系网络模型计算轴承当前运行状态样本y与支撑集S之间的关系得分的方法如下：将支撑集S的频谱F(s)与轴承当前运行状态样本的频谱F(y)输入训练好的嵌入模块f，得到支撑集S的特征表示f(s)与当前运行状态样本的特征表示f(y)；

将支撑集S的特征表示f(s)与当前运行状态的特征f(y)拼接在一起，得到特征拼接后的样本Z(f(s)，f(y))；

将拼接后的特征Z(f(s)，f(y))输入到训练好的关系模块g中，通过关系模块g得到当前运行状态的特征表示f(y)的关系得分rj：rj＝g(Z(f(s),f(y))

式中：rj表示支撑集S与当前运行状态样本y之间的关系得分，即距离或相似性，rj的取值范围为0～1，g表示关系模块用于计算两个特征表示之间的关系得分，f表示嵌入模块用于提取特征表示，Z表示将f(s)与f(y)进行特征拼接。

9.如权利要求1所述的基于关系网络的轴承健康评估方法，其特征在于所述对关系得分进行Savitzky‑Golay平滑滤波得到轴承状态健康得分的方法如下：假设通过关系网络模型得到的关系得分为ri，i＝‑m，...，0，...，m，其n阶拟合多项式为：式中：b为多项式的系数；k为多项式的阶数；i为多项式的权数；Z为关于n阶的多项式函数；

关系得分ri与拟合的多项式间的均方误差εD为：

要使均方误差最小，则εD各项系数的导数均应为0，即：

将式均方误差εD带入上式展开后可得：

通过求解上述公式，即可求出多项式各项系数bk，从而得到拟合的n项多项式Z(n)，即可得到平滑后的轴承状态健康得分。