1.一种基于数据驱动的汽车三元催化器的故障诊断方法，其特征在于：该方法包括以下步骤：S1：数据获取：采用转鼓实验平台采集汽车尾气数据，通过系统计算得出汽车三元催化器在不同故障情况下的尾气成分数据；

S2：特征提取：对获取的尾气成分数据进行FrFt变换，将原始数据空间中可分性差的信号映射到各个分数阶域，以基于类内类间散布矩阵的可分性判据J＝tr{Sb}/tr{Sw}作为适应度函数，运用粒子群算法实现对最优分数阶定位，并对所得的最优阶次的FrFT信号进行分形计算，得到对应的分形维特征；

S3：维数简约：采用KECA算法对步骤S2得到的特征进一步降维，得到适用于可视化聚类的分形维故障特征；

S4：聚类分析：采用改进测度的FCM模糊聚类算法对步骤S3得到的分形维故障特征聚类分析，得到故障的分类结果；

S5：故障辨识：基于得到的故障分类结果进行三元催化器故障诊断处理。

2.根据权利要求1所述的一种基于数据驱动的汽车三元催化器的故障诊断方法，其特征在于：所述步骤S2具体包括：S21：对原始尾气信号在p∈[0,1]内进行分数阶傅里叶变换；

S22：初始化粒子群参数，按式J＝tr{Sb}/tr{Sw}计算每个粒子的适应度,按粒子群算法进行迭代计算,最后得到的群体最佳适应度所对应的粒子的位置即为所求p值；

S23：根据所求p值确定出各气体信号对应的最优阶分数阶傅里叶变换Xp(u)；

S24：最后对各故障模式下的Xp(u)进行分形维计算,得到各故障的分形维特征。

3.根据权利要求2所述的一种基于数据驱动的汽车三元催化器的故障诊断方法，其特征在于：在步骤S4中，在欧氏距离和余弦距离测度的基础上提出基于两者的改进的新测度G，定义为：

式中，Gik代表数据点xk到聚类中心ci的距离测度，Sik＝cos∠(xk,ci)且Sik为数据点xk到聚类中心ci的余弦距离测度；Dik＝||xk-ci||且Dik为数据点xk到聚类中心ci的欧式距离。