1.基于高斯过程回归的离心泵外特性预测方法，其特征在于：包括以下步骤：

1)数据采集：离心泵外特性实验开始前，将进口阀开至最大，电机频率设定为预设频率，调节出口阀使出口压力表示数稳定在预设数值，此阀门开度为初始阀门开度，在预设频率下，调节出口阀门开度，直到出口阀门开度调至最大，依次记录出口阀口开度、进口压力、出口压力、泵出口流量，同时得出所对应的离心泵外特性；

2)数据处理：对所记录的离心泵外特性实验数据，以及基于实验数据所获得的外特性进行分析，经过归一化处理，获得模型的输入数据；

3)离心泵外特性预测模型的建立：在步骤2)数据处理后的实验数据中，各组归一化处理后的离心泵的进口压力、出口压力、出口流量、出口阀门开度作为输入特征，归一化处理后的离心泵的扬程，效率，功率作为输出特征，将输入特征和输出特征导入到训练模型中，在建立高斯过程回归模型时，选取径向基核函数作为协方差函数，高斯过程回归中超参数的估计使用极大似然估计，使模型预测精度更高，然后通过建立的高斯过程回归模型对离心泵外特性实验数据进行训练和模拟，进行预测模型的搭建，最后获得离心泵的进出口压力、出口流量、出口阀门开度与扬程、效率、功率的对应关系，其中，基于高斯过程回归模型建立预测模型的公式为：y～N(μ(X),K(X,X))

其中y表示训练数据中输出的离心泵外特性数据；

X表示训练数据中离心泵外特性试验的测量数据；

μ(X)表示训练数据中离心泵外特性试验的测量数据均值；

K表示进行离心泵外特性实验的各组测量数据的协方差矩阵；

N表示正态分布；

所述径向基核函数，其表达公式如下：

其中 和l表示超参数；

表示协方差函数的带宽；

l表示协方差函数特征长度尺度；

Xi表示训练样本中的第i个样本输入；

Xj表示训练样本中的第j个样本输入；

xi，d表示Xi的第d个元素；

xj，d表示Xj的第d个元素；

其中，训练样本输入所有可能组合的协方差函数，其表达式如下：测试样本输入与测试样本输入所有可能组合的协方差函数，其表达式如下：K*＝(k(X*，X1)，k(X*，X2)，…，k(X*，Xn))测试样本输入所有可能组合的协方差函数，其表达式如下：K**＝(k(X*，X*))；

其中，基于预测模型的离心泵外特性预测公式如下：其中y表示训练数据中输出的离心泵外特性数据；

X表示训练数据中离心泵外特性实验的测量数据；

X*表示测试数据中离心泵外特性实验的测量数据；

f*表示高斯过程回归模型预测的离心泵外特性数据；

μ(X)表示训练数据中离心泵外特性实验的测量数据均值；

μ(X*)表示测试数据中离心泵外特性实验的测量数据均值；

K表示离心泵外特性实验各组测量数据的协方差矩阵；

σn表示离心泵外特性实验各组测量数据的方差值；

T表示矩阵的转置；

N表示正态分布；

4)评估监测模型结果：根据步骤3)建立的预测模型，通过输入待测的四组输入数据，对比基于预测模型的离心泵外特性预测结果与基于真实的离心泵外特性实验的所得出结果的拟合情况，以判断步骤3)建立的预测模型的准确性；

所述步骤3)中，使用极大似然估计来估计高斯过程回归模型的超参数，基于选取径向基核函数作为协方差函数，再加上在噪声项时，其表达式如下：其中σn表示噪声方差；

δij表示Kronecker符号，当i和j相等时δij为1否则δij为0；

由上式可知模型的超参数有三个，组成的超参数集为：θ＝{σf，l，σn}

极大似然估计用样本和未知参数构造一个似然函数，并通过极大化这个似然函数来获得模型的超参数估计值，当其中一个参数使样本出现的概率最大，即似然函数值最大时，就把该参数作为超参数估计的输出；

根据贝叶斯理论，后验概率分布可以写成下式：P(y|X，θ)为边缘似然函数，当噪声服从高斯分布 其对数似然函数表示为：式中C为协方差矩阵，

对上述似然函数求偏导：

并用最优化方法求得概率最大时的0值，同时采用共轭梯度发寻优，求出模型超参数。

2.根据权利要求1所述的基于高斯过程回归的离心泵外特性预测方法，其特征在于所述步骤1)中，阀门开度的调节根据出口流量的增大而相对应增大。

3.根据权利要求1所述的基于高斯过程回归的离心泵外特性预测方法，其特征在于所述步骤2)中，对离心泵外特性实验数据，以及基于实验数据所获得的外特性进行归一化处理，归一化处理的公式为：其中：表示某一参数进行归一化处理后的结果；

x表示某一参数进行归一化处理前的数值；

xmin表示某一参数的最小值；xmax表示某一参数的最大值；

进行归一化处理后，所有离心泵外特性数据实验数据数值以及其获得的外特性数据均是[0，1)之间的浮点数。

4.根据权利要求1所述的基于高斯过程回归的离心泵外特性预测方法，其特征在于所述步骤3)中，求解基于预测模型的离心泵外特性预测公式如下：对f*的最佳估计是这个分布的平均值：‑1

f*＝K*K y

式中C为协方差矩阵，