1.一种用于识别航空发动机主轴承松动故障的智能诊断方法，其特征在于，包括：S101：获取振动信号和转速信号并生成振动信号数据和转速信号数据；

S102：将所述振动信号数据进行时域到频域的转化得到频率数据和振动幅值数据；将所述转速信号数据、所述频率数据和所述振动幅值数据生成特征数据集；

S103：根据归一化转子振幅故障诊断规则对特征数据集进行处理生成拓展特征数据集；将所述拓展特征数据集划分为三种主轴承状态；

S104：通过一维卷积神经网络搭建故障诊断模型，并对所述故障诊断模型进行训练和测试；保存训练达到预期的故障诊断模型；

S105：调用故障诊断模型进行主轴承松动故障诊断；

所述归一化转子振幅故障诊断规则，包括：引入倍频和归一化转子振幅与特征数据集结合生成拓展特征数据集；去除易混淆数据；

其中，所述倍频为以每个转速下的基频为基准，在同一转速下其它频率数据与基频数据的比值得到倍频数据；所述归一化转子振幅为以每个转速下的基频振幅为基准，在同一转速下其它频率分量的振幅与基频振幅的比值得到归一化转子振幅数据；

其中，所述去除易混淆数据的具体操作方式为：以归一化转子振幅为评判指标，去除归一化转子振幅小于0.1的数据集，即去除倍频振动分量占基频振动量小于10％的数据集；

将所述转速信号数据、频率数据、振动幅值数据、倍频数据和归一化转子振幅数据生成拓展特征数据集；

将所述拓展特征数据集划分为主轴承正常状态、主轴承外环松动状态和主轴承内环松动状态。

2.根据权利要求1所述的方法，其特征在于，步骤S101包括：通过传感器获取转子系统的振动信号和转速信号；将所述振动信号和转速信号发送到信号调理器，所述信号调理器接收所述振动信号和转速信号进行信号调理并发送到数据采集卡。

3.根据权利要求2所述的方法，其特征在于，所述数据采集卡接收由所述信号调理器发送的振动信号和转速信号并进行采集，生成振动信号数据和转速信号数据，将所述振动信号数据和所述转速信号数据发送到计算机。

4.根据权利要求1所述的方法，其特征在于，步骤S102包括：将转子振动信号数据进行傅里叶变换至频域，得到转子不同转速下的频率数据及其对应的振动幅值数据；

将所述转速信号数据、频率数据和振动幅值数据生成特征数据集并保存。

5.根据权利要求1所述的方法，其特征在于，步骤S104包括：对所述的主轴承正常状态、主轴承外环松动状态和主轴承内环松动状态三种状态的数据集打标签；

将所述拓展特征数据集按照8：2的比例随机划分训练集与测试集；再在所述训练集中随机划分10％的数据作为验证集。

6.根据权利要求5所述的方法，其特征在于，通过训练集对故障诊断模型进行训练；验证集用来验证故障诊断模型每次的训练效果；测试集用来测试故障诊断模型的诊断效果；

经过训练和测试之后，判定所述故障诊断模型的诊断准确率，若诊断准确率大于98％，则保存模型；若诊断准确率低于98％，则调整故障诊断模型参数再次训练。

7.根据权利要求1所述的方法，其特征在于，步骤S105包括：将已训练好的诊断准确率大于98％且保存的模型直接调用，诊断航空发动机主轴承松动故障，并对故障进行定位。