1.一种远端模块寿命预测模型的建立方法，其特征在于，包括：获取各样本远端模块的特征参数和输出信号；

基于各样本远端模块的输出信号，判断各样本远端模块运行状态，根据运行状态正常的样本远端模块的特征参数值，确定远端模块各特征参数的老化阈值和故障阈值；其中，所述确定远端模块各特征参数的老化阈值和故障阈值，包括：计算运行状态正常的样本远端模块各特征参数的均值；

将计算得到远端模块各特征参数的均值的一半值作为远端模块各特征参数的老化阈值；

将远端模块各特征参数的老化阈值的三分之一值作为远端模块各特征参数的故障阈值；

确定远端模块各特征参数的平均年变化率；

根据确定的远端模块各特征参数的老化阈值、故障阈值和计算的年变化率，计算各样本远端模块剩余使用寿命；其中，所述计算各样本远端模块剩余使用寿命，通过下式进行计算：式(1)中，σ为当前计算的样本远端模块的剩余使用寿命，取当前计算的样本远端模块对应各特征参数的剩余使用寿命σx的最小值；x为5个特征参数的索引，Δx为当前计算的样本远端模块特征参数与故障阈值的差值；δx为当前计算的样本远端模块各特征参数的平均年变化率；

基于各样本远端模块剩余使用寿命，建立远端模块剩余寿命预测模型；其中，所述建立远端模块剩余寿命预测模型，包括：将各样本远端模块剩余使用寿命作为预测模型的样本训练集，将各特征参数作为自变量，样本远端模块的剩余使用寿命作为因变量，使用多元线性回归算法建立远端模块剩余寿命的多元线性回归模型：式(2)中， 到 分别代表第i组数据的5个特征参数的值，β0为多元线性回归模型的截距，β1、β2、β3、β4、β5为多元线性回归模型的回归系数， 为第i组的预测输出结果；

i

基于最小二乘法，确定假设第i个样本远端模块剩余寿命的真实值为y ，通过使最小，令 得到：式(3)中，Xb为总共q组的样本训练集，通过矩阵形式表示：T

式(4)中，Xb为Xb的转置矩阵；而且，总共q组的样本远端模块剩余寿命的真实值矩阵为

1 2 q T

Y＝(y ,y ,...,y)   (5)

通过式(3)、(4)和(5)计算得到：

T

β＝(β0,β1,β2,...,β5)   (6)由式(2)和(6)得到远端模块剩余寿命预测模型。

2.根据权利要求1所述的远端模块寿命预测模型的建立方法，其特征在于，各样本远端模块的特征参数包括：远端模块脉冲信号的上升沿斜率、下降沿斜率、脉宽、低状态电平和低电平方差。

3.根据权利要求1所述的远端模块寿命预测模型的建立方法，其特征在于，所述获取各样本远端模块的特征参数值和输出信号时，各样本远端模块的使用年限不同。

4.根据权利要求1所述的远端模块寿命预测模型的建立方法，其特征在于，所述判断各样本远端模块运行状态，包括：初始化各样本远端模块的输出信号的样本集；

计算样本集中每个样本点的局部离群点因子；

若样本点的局部离群点因子大于1，则该样本点为离群点，该样本点对应的样本远端模块的运行状态离群；

若样本点的局部离群点因子小于等于1，则该样本点为正常点，该样本点对应的样本远端模块的运行状态为正常。

5.一种寿命预测方法，其特征在于，包括：

获取待测远端模块的特征参数值，

将获取到的特征参数值输入预先建立的远端模块剩余寿命预测模型，得到待测远端模块的预测寿命；

其中，所述预先建立的远端模块剩余寿命预测模型采用权利要求1～4任一项所述方法生成的。

6.一种基于权利要求1所述的远端模块寿命预测模型的建立方法的远端模块寿命预测模型的建立系统，其特征在于，包括：第一获取模块：用于获取各样本远端模块的特征参数值和输出信号；

阈值确定模块：用于基于各样本远端模块的输出信号，判断各样本远端模块运行状态，根据运行状态正常的样本远端模块的特征参数值，确定远端模块各特征参数的老化阈值和故障阈值；

第一计算模块：用于计算远端模块各特征参数的平均年变化率；

第二计算模块：用于根据确定远端模块各特征参数的老化阈值、故障阈值和计算的年变化率，计算各样本远端模块剩余使用寿命；

模型建立模块：用于基于各样本远端模块剩余使用寿命，建立远端模块剩余寿命预测模型。

7.一种寿命预测系统，其特征在于，包括：

第二获取模块：用于获取待测远端模块的特征参数值，输出模块：用于将获取到的各特征参数值输入预先建立的远端模块剩余寿命预测模型，得到待测远端模块的预测寿命；其中，所述预先建立的远端模块剩余寿命预测模型采用权利要求1～4任一项所述方法生成的。