1.一种针对高速列车逆变电路及电机的早期故障诊断方法，其特征在于，包括如下步骤：步骤一、根据逆变电路和电机具有的六种工作状态，利用核密度估计函数为其搭建六种工作模态，得到每个模态的聚类中心；

步骤二、利用步骤一中得到的每个模态的聚类中心，将列车上的传感器数据划分到不同模态下；

步骤三、在每种模态下利用DeepPCA对传感器数据进行多次处理，凸出故障信息；

步骤四、在步骤三的基础上，计算数据的统计量，结合列车实时工况、线路条件、负载情况所生成的故障检测阈值，判断统计量指标是否超过阈值，当超过阈值，则表明有故障发生；

步骤五、发现故障后，提取故障特征形成故障特征矩阵，与数据库中的故障特征矩阵相匹配，从而进行故障定位，找出故障原因；

步骤一中，所述搭建六种工作模态的具体内容和步骤如下：步骤1.从列车上的传感器中获得电流、列车速度、电机转速、电磁转矩数据；任意选择一组数据，当作一类数据的聚类中心，即xi,j，i＝1,2,3...6；再取下一组数据，当做xnew,j；

步骤2.计算下一组数据与这类聚类中心的核密度估计函数的值：其中，Fi(xnew)为xnew,j下一组数据与xi,j第i类数据的聚类中心的核密度估计函数值；m为变量的个数，h为窗口的宽度；xnew,j表示下一组数据中，第j个数据的值；xi,j表示第i类聚类中心，第j个数据的值；

步骤3.判断步骤2中计算的核密度估计函数值是否超过阈值，当没有超过阈值，则将两组数据的平均值作为新的聚类中心，即xi,j＝(xnew,j+xi,j)/2，接着取下一组数据作为新的xnew,j，然后跳回步骤2；当超过阈值，则继续执行步骤4；

步骤4.步骤2中计算的核密度估计函数值如果超过阈值，表明已经找到一个聚类中心，即xi,j；则本次寻找聚类中心结束；

步骤5.重复上述步骤1至步骤4，直至找到六个聚类中心为止；

步骤五中，发现故障后，提取故障特征形成故障特征矩阵，与数据库中的故障特征矩阵相匹配，从而进行故障定位，其具体内容和步骤如下：步骤①、每次发现故障时，实时提取故障数据的八个统计量和各自对应的阈值，构成故c障向量r：

c

其中，r代表第c种故障； 与SPEj,k代表数据集Xj,k的两个统计量； 与JSPE,j,k分别是 与SPEj,k各自的阈值；式子中，j＝2；

c

步骤②、将步骤①得到的故障向量r通过下式投射到区间[0.5 1)上，得到向量p：T

p＝[p1,p2,...p8]

c

其中， 表示r的第k个数值；

步骤③、第c类故障期间，会有Nc组故障数据，重复步骤①和步骤②，得到Nc个向量p，将c这些向量p按行排放，形成故障特征矩阵P；

c c c

步骤④、计算故障特征矩阵P的均值向量μ与协方差矩阵Σ：c c c c T

μ＝[μ1,μ2,...μ8]

c c c c

其中， 是P的第j行第b个数值；NC为P的列数；μj表示矩阵P第j行的均值；I为单位矩阵；

c

步骤⑤、通过下式，计算故障特征矩阵P与数据库中故障特矩阵 的KLD距离；

c

其中， 表示特征矩阵P与数据库中故障特矩阵 的KLD距离；I为单位矩阵；

步骤⑥、找出KLD距离最小时对应的数据库模型，如果KLD距离最小值小于等于设定的阈值，即用来区分类与类之间的距离阈值，表示发生了与数据库模型相同的故障；否则表示有新的故障类型产生，需要更新数据库。

2.如权利要求1所述的一种针对高速列车逆变电路及电机的早期故障诊断方法，其特征在于，步骤三中，所述的在每种模态下利用DeepPCA对传感器数据进行多次处理，凸出故障信息，其具体内容和步骤如下：步骤1)、将每个模态下的数据取出来，即 其中z(N)表示第N次测量的数据；N表示测量的总次数；M表示传感器的个数；

2

步骤2)、计算 每一行的均值μ(j)与方差δ(j)；

其中，j代表第j行，zj(i)代表第j行第i个数；

步骤3)、将 每一行进行数据标准化；得到均值为0，方差为1的数据集X；

其中 表示第j行数据经过标准化后得到的数据；

步骤4)、计算X的协方差矩阵S，并对S进行奇异值分解；

T

S＝P1Λ0,1P1

m×m

其中，m代表传感器个数；Λ0,1∈R ，Λ0,1＝diag(λ0,1,...λ0,m)，λ0,m表示S的第m个奇异m×m值；P1∈R 是S的奇异值向量，取P1的最后一列当做P1，2，剩下部分当做P1，1，则P1＝[P1,1,P1,2]；

步骤5)、把X分解成两个部分，分别为X1,1,X1,2,即X＝X1,1+X1,2

其中I为单位矩阵；

步骤6)、把X1,1,X1,2当作新的X，重复步骤4)与步骤5)将X1,1,X1,2分别分解成两个部分，即X1,1＝X2,1+X2,2

X1,2＝X2,3+X2,4

X＝X2,1+X2,2+X2,3+X2,4。

3.如权利要求1所述的一种针对高速列车逆变电路及电机的早期故障诊断方法，其特征在于，步骤四中，在步骤三的基础上，计算数据的统计量，结合列车实时工况、线路条件、负载情况所生成的故障检测阈值，判断统计量指标是否超过阈值，超过阈值表明有故障发生，其具体内容和步骤如下：步骤(1)、分别计算X2,1,X2,2,X2,3,X2,4四个数据集的统计量：其中， 与SPEj,k代表数据集Xj,k的两个统计量； 是与Xj,k相对应的协方差矩阵Sj,k的奇异值矩阵；P(j+1),(2k‑1)是与Xj,k相对应的协方差矩阵Sj,k的部分奇异值向量；I为单位矩阵；

步骤(2)、判断每个数据对应的两个统计量是否超过设定的阈值，任何一个统计量超过阈值都表明有故障发生。