1.一种适用于不同类型故障特征的基于新型投票策略的故障诊断方法，用于针对空调机组中各目标传感器进行实时检测诊断，其特征在于：基于空调机组中各目标传感器分别所对应的各个约束等式，以各目标传感器作为各节点，结合彼此间存在至少一个相同约束等式的两节点以边相连，构建空调机组所对应的玻尔兹曼机结构，基于玻尔兹曼机结构，实时执行如下步骤：步骤A.基于目标传感器的传感检测数据所涉及各约束等式中等号两侧数据结果之间的差值，以及各目标传感器的当前权值，针对全部约束等式所划分的情况1，单个约束等式涉及至少两个目标传感器，以及情况2，单个约束等式仅涉及一个目标传感器，完成各目标传感器分别的当前投票操作，然后进入步骤B；

步骤B.分别针对各个目标传感器，以目标传感器作为第三待处理目标传感器，基于第三待处理目标传感器所对应各约束等式所涉及各另外目标传感器分别为第三待处理目标传感器的当前各投票，统计获得该各另外目标传感器分别为第三待处理目标传感器的投票结果；进而获得各目标传感器分别来自与之相关各另外目标传感器对其的投票结果，然后进入步骤C；

步骤C.根据各目标传感器分别来自与之相关各另外目标传感器对其的投票结果，获得玻尔兹曼机结构中各组彼此以边相连两节点彼此间相互投票结果，构成空调机组所对应的玻尔兹曼机，然后进入步骤D；

步骤D.分别针对玻尔兹曼机中的各个节点，判断节点是否与其余各节点之间分别均存在彼此间相互投票结果，是则不做任何操作，否则针对该节点分别与不存在彼此间相互投票结果的各其余节点之间，定义两节点彼此间相互投票结果均为预设值；待完成对玻尔兹曼机中各节点的判断后，更新玻尔兹曼机，然后进入步骤E；

步骤E.基于节点所对应状态值为1表示正常状态、以及节点所对应状态值为0表示非正常状态，定义玻尔兹曼机中各节点分别所对应的状态值为1，并且以玻尔兹曼机对称化为目标，在玻尔兹曼机中新增一个状态值等于1的新节点，在保持对玻尔兹曼机中原有各节点投票结果总和不变的情况下，调整对原有各节点的投票结果，并设定原有各节点分别与新节点彼此间相互投票结果，保证任意两节点彼此间相互投票结果相等，获得对称化新玻尔兹曼机，然后进入步骤F；

步骤F.基于新玻尔兹曼机中各节点i'分别对应状态值转移至0的概率Pi'(0)、状态值转移至1的概率Pi'(1)，获得新玻尔兹曼机中各节点i'分别发生状态转移的概率Pi',trans；并基于Pi',trans，获得新玻尔兹曼机所对应总状态k不发生变化的概率akk，以及新玻尔兹曼机由总状态k转移到其他总状态l的概率akl，k≠l；然后基于akk和akl，进一步获得新玻尔兹曼机状态转移矩阵P＝{akl},k＝1,...,2N+1；l＝1,...,2N+1，其中N为传感器个数；通过迭代方式针对新玻尔兹曼机的总状态k进行更新，直至至少两次相邻迭代中新玻尔兹曼机总状态k均不发生变化时结束迭代，即完成新玻尔兹曼机的更新，然后进入步骤G；

步骤G.判断新玻尔兹曼机中除步骤E中新增节点以外、是否存在状态值等于0的节点，是则该各个状态值等于0的节点分别所对应的目标传感器即为故障目标传感器，否则新玻尔兹曼机中不存在故障目标传感器，实现对空调机组中各目标传感器的实时检测诊断。

2.根据权利要求1所述一种适用于不同类型故障特征的基于新型投票策略的故障诊断方法，其特征在于：所述步骤A包括步骤A1至步骤A4，完成各目标传感器分别的当前投票操作；

步骤A1.分别针对全部约束等式中的各个约束等式，根据约束等式所涉及各目标传感器的当前传感检测数据，获得该约束等式中等号两侧数据结果之间的差值，并进一步获得该约束等式所对应的当前投票值，进而获得全部约束等式中各个约束等式分别所对应的当前投票值，然后进入步骤A2；

步骤A2.分别针对全部目标传感器中的各个目标传感器，计算获得目标传感器的当前权值，然后进入步骤A3；

步骤A3.基于对全部约束等式所划分的情况1，单个约束等式涉及至少两个目标传感器，以及情况2，单个约束等式仅涉及一个目标传感器，分别针对情况1所涉及到的各个目标传感器，以目标传感器作为第一待处理目标传感器，基于第一待处理目标传感器所涉及情况1中各约束等式对应的当前投票值，结合第一待处理目标传感器的当前权值，由第一待处理目标传感器分别为其所涉及情况1中各约束等式相关的各其它目标传感器进行投票，然后进入步骤A4；

步骤A4.分别针对情况2所涉及到的各个约束等式，根据约束等式中等号两侧数据结果之间的差值与该约束等式中等号两侧数据结果之间的差值上限的比较，由全部目标传感器中除该约束等式所涉及目标传感器以外其它各目标传感器、分别为该约束等式所涉及目标传感器进行投票，以及由该约束等式所涉及目标传感器为全部目标传感器中其它各目标传感器进行投票。

3.根据权利要求2所述一种适用于不同类型故障特征的基于新型投票策略的故障诊断方法，其特征在于：所述步骤A1中，分别针对全部约束等式中的各个约束等式，根据约束等式所涉及各目标传感器的当前传感检测数据，获得该约束等式中等号两侧数据结果之间的差值|rk|，并进一步按如下公式：

获得该约束等式所对应的当前投票值sk(|rk(t)|)，其中，1≤k≤K，K表示全部约束等式的个数，|rk(t)|表示当前t时刻全部约束等式中第k个约束等式中等号两侧数据结果之间的差值，sk(|rk(t)|)表示当前t时刻全部约束等式中第k个约束等式所对应的投票值，|rk|ub表示全部约束等式中第k个约束等式中等号两侧数据结果之间的差值上限。

4.根据权利要求3所述一种适用于不同类型故障特征的基于新型投票策略的故障诊断方法，其特征在于：所述步骤A2中，分别针对各个目标传感器，按如下公式：

计算获得目标传感器的当前权值ci(t)，其中，i∈{1、…、N}，N表示全部目标传感器的个数，ci(t)表示全部目标传感器中第i个目标传感器对应当前t时刻的权值，S(t)，Si,FalAvg如下：S(t)＝[s1(|r1(t)|)…sk(|rk(t)|)…sK(|rK(t)|)]T

Di,fal表示预设历史时长内、全部目标传感器中第i个目标传感器检测出现故障的时刻集合，|Di,fal|表示时刻集合Di,fal中时刻的数量，sk(|rk(t')|)表示时刻集合Di,fal中t'时刻全部约束等式中第k个约束等式所对应的投票值。

5.根据权利要求2所述一种适用于不同类型故障特征的基于新型投票策略的故障诊断方法，其特征在于：所述步骤A3中，基于对全部约束等式所划分的情况1，单个约束等式涉及至少两个目标传感器，以及情况2，单个约束等式仅涉及一个目标传感器，分别针对情况1所涉及到的各个目标传感器，以目标传感器作为第一待处理目标传感器i1，执行如下步骤A3-1至步骤A3-2，由第一待处理目标传感器i1分别为其所涉及情况1中各约束等式相关的各其它目标传感器进行投票，i1、j1＝{N1}，{N1}表示情况1所涉及目标传感器的集合；

步骤A3-1.获得第一待处理目标传感器i1所涉及情况1中各约束等式相关的各其它目标传感器，作为各个待投票目标传感器j1，然后进入步骤A3-2；

步骤A3-2.分别针对各个待投票目标传感器j1，获得第一待处理目标传感器i1与待投票目标传感器j1之间各约束等式对应的当前投票值，并获得该各当前投票值的平均值进一步结合第一待处理目标传感器i1的当前权值按如下公式：

获得第一待处理目标传感器i1向该待投票目标传感器j1的当前投票值由第一待处理目标传感器i1为该待投票目标传感器j1进行投票，则情况1所涉及各个目标传感器间的投票矩阵Vmultiple如下：

6.根据权利要求5所述一种适用于不同类型故障特征的基于新型投票策略的故障诊断方法，其特征在于：所述步骤A4中，分别针对情况2所涉及到的各个约束等式，执行如下步骤A4-1至步骤A4-3；

步骤A4-1.将约束等式所涉及的目标传感器作为第二待处理目标传感器，获得全部目标传感器中除第二待处理目标传感器以外其它各目标传感器的当前权值分别与该约束等式所对应当前投票值的乘积，构成该其它各目标传感器分别向第二待处理目标传感器的当前投票值，由该其它各目标传感器分别为第二待处理目标传感器进行投票，同时由第二待处理目标传感器向该其它各目标传感器分别投票0，然后进入步骤A4-2；

步骤A4-2.获得情况2所涉及各个目标传感器间的投票矩阵Vsingle如下：

Isingle表示情况2所涉及目标传感器的集合，Ksingle表示情况2所涉及约束等式的集合，表示集合Ksingle中各约束等式与集合Isingle中各目标传感器之间一一对应，然后进入步骤A4-3；

步骤A4-3.按如下公式：

获得总投票矩阵V，即获得玻尔兹曼机所对应的节点间投票结果矩阵W＝V。

7.根据权利要求1所述一种适用于不同类型故障特征的基于新型投票策略的故障诊断方法，其特征在于：所述步骤B中，分别针对各个目标传感器，以目标传感器作为第三待处理目标传感器，执行如下步骤B1；进而获得各目标传感器分别来自与之相关各另外目标传感器对其的投票结果，然后进入步骤C；

步骤B1.分别针对第三待处理目标传感器所对应各约束等式所涉及的各另外目标传感器，统计获得另外目标传感器为第三待处理目标传感器的各投票的平均值，作为该另外目标传感器为第三待处理目标传感器的投票结果；进而获得该各另外目标传感器分别为第三待处理目标传感器的投票结果。

8.根据权利要求6所述一种适用于不同类型故障特征的基于新型投票策略的故障诊断方法，其特征在于：所述步骤E中，基于节点所对应状态值为1表示正常状态、以及节点所对应状态值为0表示非正常状态，执行如下步骤E1至步骤E5，获得新玻尔兹曼机，然后进入步骤F；

步骤E1.定义玻尔兹曼机中各节点分别所对应的状态值为1，并进入步骤E2；

步骤E2.基于用于计算节点i所对应状态值转移至0或1的概率的节点i输入ui如下：

其中W＝{wj,i},i、j＝1,…,N；

结合玻尔兹曼机所对应的节点间投票结果矩阵以及令各节点的偏差向量θi均等于0所构成的节点偏差向量矩阵θ、玻尔兹曼机所对应的状态值矩阵v，则玻尔兹曼机所对应的节点输入矩阵u如下：

然后进入步骤E3；其中，i∈{1、…、N}、j∈{1、…、N}，N表示玻尔兹曼机中节点的个数，wj,i表示节点j对节点i的投票结果，θi表示节点i的偏差向量，vj表示节点j所对应的状态值；

步骤E3.在玻尔兹曼机中新增一个状态值等于1的新节点，获得新玻尔兹曼机，并初始化定义新节点分别与新玻尔兹曼机中其余各节点彼此间相互投票结果a1、a2、…、aN，则新玻尔兹曼机所对应的节点间投票结果矩阵然后进入步骤E4；

步骤E4.基于新玻尔兹曼机所对应的节点间投票结果矩阵W′，结合新节点的状态值等于1所构成新玻尔兹曼机对应的状态值矩阵v'，以及令各节点的偏差向量θi均等于0所构成的节点偏差向量矩阵θ，则按如下模型：

获得新玻尔兹曼机所对应的节点输入矩阵u'，然后进入步骤E5；

步骤E5.基于u＝u′如下：

获得新玻尔兹曼机中新节点分别与其余各节点彼此间相互投票结果a1、a2、…、aN如下：

并针对新玻尔兹曼机所对应的节点间投票结果矩阵W′进一步更新，实现新玻尔兹曼机中任意两节点彼此间相互投票结果彼此相等，获得新玻尔兹曼机。

9.根据权利要求1所述一种适用于不同类型故障特征的基于新型投票策略的故障诊断方法，其特征在于：所述步骤F包括步骤F1至步骤F6如下：步骤F1.基于新玻尔兹曼机中各节点i'分别对应状态值转移至0的概率状态值转移至1的概率Pi'(1)＝1-Pi'(0)，按如下公式：

ui'表示新玻尔兹曼机中第i'个节点的输入，T表示新玻尔兹曼机的温度，然后进入步骤F2；

步骤F2.基于新玻尔兹曼机中每次至多仅有一个节点的状态值会发生变化的假设，若新玻尔兹曼机总状态k对应所有节点的状态v1、v2、…、vN、vN+1都不发生变化，即新玻尔兹曼机从总状态k转移到总状态k的概率akk为：

当新玻尔兹曼机的总状态由于节点i的状态变化发生转移，则新玻尔兹曼机从总状态k转移到总状态l的概率akl为

因此基于akk和akl，得到新玻尔兹曼机的状态转移矩阵P＝{akl}，并进入步骤F3；

步骤F3.初始化迭代次数s等于0，并进入步骤F4；

步骤F4.根据新玻尔兹曼机的状态转移矩阵P＝{akl}，基于第s次迭代中新玻尔兹曼机对应各个总状态g的概率Pg(s),按如下公式：

获得第s+1次迭代中新玻尔兹曼机对应各个总状态h的概率Ph(s+1)，然后进入步骤F5；

步骤F5.选择第s+1次迭代中新玻尔兹曼机对应各个总状态h的概率Ph(s+1)中的最大概率，获得该最大概率所对应的总状态作为第s+1次迭代中新玻尔兹曼机对应的状态估计候选值，并判断由第s+1次迭代向历史方迭代向预设至少两次的各次迭代中、新玻尔兹曼机对应的状态估计候选值是否均相同，是则结束迭代，即完成新玻尔兹曼机的更新，然后进入步骤G；否则进入步骤F6；

步骤F6.将第s+1次迭代中新玻尔兹曼机对应各个总状态h的概率Ph(s+1)，作为第s+1次迭代中新玻尔兹曼机对应各个总状态g的概率Pg(s+1)，并应用s+1的值针对s进行更新，然后返回步骤F4。