1.一种基于健康状态数据的混合变量过程监测方法，其特征在于，包括如下步骤：步骤1：离线建模，具体包括如下步骤：步骤1.1：采集健康状态训练数据集 其中包含n个样本， 为第i个采样j

并包含d个样本，i表示采样时间；xi共包含dc个连续特征和db个二值特征；记x 为第j个变量；

j

步骤1.2：当x为连续变量时，设其在健康状态下服从高斯分布j j

其中 μ 和σ 分别为第j个变量在健康状态下的均值和标准差；

j

步骤1.3：当x为二值变量时，设其在健康状态下服从伯努利分布j

其中η为第j个变量在健康状态下的响应函数；

步骤1.4：确定先验正常概率P(N)，取P(N)为置信水平 即 其中δ为显著水平；

步骤1.5：对连续变量 按照下式构造健康状态下的二值变量然后所有关于权值的计算都用构造的二值变量代替原始的连续变量进行计算；

步骤1.6：计算健康状态下的概率j

其中 为示性函数，当计算x＝1的概率时 否则步骤1.7：计算健康状态下的联合概率其中

步骤1.8：计算健康状态下的条件互信息j j′

步骤1.9：如果x和x 为连续变量，则按照下式进行修正j j′ j j′

其中 x′和x′分别为x 和x 根据步骤1.5构造的二值变量；

步骤1.10：计算变量权值j

步骤1.11：当x为二值变量时，计算其在健康状态下的响应函数j

步骤1.12：当x为连续变量时，计算其在健康状态下的均值j

步骤1.13：当x为连续变量时，计算其在健康状态下的标准差步骤1.14：计算样本xi的条件概率P(N|xi)＝P(N)P(xi|N)                    (12)其中 jc为连续变量集的第jc个变量，jb为二值变量集的第jb个变量；

步骤1.15：计算样本xi的函数f(xi)f(xi)＝ln P(N|xi)                        (13)步骤1.16：计算样本xi的统计量si2

si＝f(xi)                            (14)lim

步骤1.17：通过核密度估计计算s＝[s1,...,si,...sn]的控制限s ；

步骤2：在线检测，具体包括如下步骤：步骤2.1：当有新采样xa到来时，计算其条件概率P(N|xa)＝P(N)P(xa|N)                       (15)步骤2.2：计算样本xa的函数f(xa)f(xa)＝ln P(N|xa)                         (16)步骤2.3：计算样本xa的统计量sa2

sa＝f(xa)                             (17)lim

步骤2.4：将统计量sa与控制限s 进行比较，判断故障发生情况。

2.根据权利要求1所述基于健康状态数据的混合变量过程监测方法，其特征在于，所述lim故障发生情况的具体判断准则为：若新采样数据的统计量sa未超过控制限s ，则认为正常，否则认为发生故障。