技术特征：
1.一种风机轴承故障诊断方法，其特征在于，包括以下步骤：采集风机轴承的振动数据，将所述振动数据进行分段处理，对分段后的所述振动数据进行标记；对每段所述振动数据进行小波包分解，并根据时域频域指标计算分解后的所述振动数据；获取所述振动数据的特征参数集，对所述特征参数集进行主成分分析，降低所述特征参数集的数据维度，得到综合变量参数集；对所述综合变量参数集进行聚类分析，根据聚类分析的结果判断风机轴承的故障类型。2.根据权利要求1所述的风机轴承故障诊断方法，其特征在于，所述对每段所述振动数据进行小波包分解，并根据时域频域指标计算分解后的所述振动数据，包括：计算所述振动数据的均值和方根幅值，根据所述均值和所述方根幅值得到所述振动数据的方差值；根据所述方差值计算所述振动数据的重心频率，并利用所述重心频率获取所述振动数据的均方频率和频率方差；利用所述均振动数据的方频率和频率方差去除所述振动数据的干扰信号。3.根据权利要求1所述的风机轴承故障诊断方法，其特征在于，所述获取所述振动数据的特征参数集，对所述特征参数集进行主成分分析，降低所述特征参数集的数据维度，得到综合变量参数集，包括：标准化所述振动数据，获取所述振动数据的协方差矩阵；计算所述协方差矩阵的特征向量和特征值，并对所述特征值进行排序；对所述特征值按照排序规则进行成分划分，累计划分后的所述特征值的贡献率；提取贡献率超过预设阈值的所述特征值，获取所述综合变量参数集。4.根据权利要求1所述的风机轴承故障诊断方法，其特征在于，所述对所述综合变量参数集进行聚类分析，根据聚类分析的结果判断风机轴承的故障类型，包括：对所述综合变量参数集进行第一次聚类计算，通过样本间距离计算，区分所述综合变量参数集中的正常信号和故障信号；提取所述故障信号进行第二次聚类计算，通过样本类距离计算，区分所述故障信号中的故障部件、故障类型和故障程度；将第二次聚类计算未能区分的故障信号进行提取，通过均方根参数作为指标进行第三次聚类计算；根据所述第二次聚类计算和所述第三次聚类计算的结果得到风机轴承的故障诊断结果。5.一种风机轴承故障诊断系统，其特征在于，包括：数据获取模块，用于采集风机轴承的振动数据，将所述振动数据进行分段处理，对分段后的所述振动数据进行标记；数据处理模块，用于对每段所述振动数据进行小波包分解，并根据时域频域指标计算分解后的所述振动数据；特征提取模块，用于获取所述振动数据的特征参数集，对所述特征参数集进行主成分
分析，降低所述特征参数集的数据维度，得到综合变量参数集；参数聚类模块，用于对所述综合变量参数集进行聚类分析，根据聚类分析的结果判断风机轴承的故障类型。6.根据权利要求5所述的风机轴承故障诊断系统，其特征在于，所述数据处理模块包括指标分解单元，所述指标分解单元用于：计算所述振动数据的均值和方根幅值，根据所述均值和所述方根幅值得到所述振动数据的方差值；根据所述方差值计算所述振动数据的重心频率，并利用所述重心频率获取所述振动数据的均方频率和频率方差；利用所述均振动数据的方频率和频率方差去除所述振动数据的干扰信号。7.根据权利要求5所述的风机轴承故障诊断系统，其特征在于，所述特征提取模块包括成分分析单元，所述成分分析单元用于：标准化所述振动数据，获取所述振动数据的协方差矩阵；计算所述协方差矩阵的特征向量和特征值，并对所述特征值进行排序；对所述特征值按照排序规则进行成分划分，累计划分后的所述特征值的贡献率；提取贡献率超过预设阈值的所述特征值，获取所述综合变量参数集。8.根据权利要求5所述的风机轴承故障诊断系统，其特征在于，所述参数聚类模块包括聚类计算单元，所述聚类计算单元用于：对所述综合变量参数集进行第一次聚类计算，通过样本间距离计算，区分所述综合变量参数集中的正常信号和故障信号；提取所述故障信号进行第二次聚类计算，通过样本类距离计算，区分所述故障信号中的故障部件、故障类型和故障程度；将第二次聚类计算未能区分的故障信号进行提取，通过均方根参数作为指标进行第三次聚类计算；根据所述第二次聚类计算和所述第三次聚类计算的结果得到风机轴承的故障诊断结果。9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。