1.一种基于有监督投票机制的空调机组故障诊断方法，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；

所述空调机组故障诊断方法，根据已知各目标传感器对应正常状态或非正常状态的实际状态的样本时刻，针对初始化各目标传感器之间投票系数值均为1的系数矩阵C，按步骤A至步骤F，获得最优投票系数矩阵；进一步根据最优投票系数矩阵，针对未知各目标传感器实际状态的待分析时刻，执行步骤i，实现各目标传感器对应待分析时刻的状态检测；

步骤A.基于各目标传感器的样本时刻传感检测数据分别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样本时刻权值，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，完成各目标传感器的样本时刻投票操作，获得总投票矩阵V，然后进入步骤B；

步骤B.根据系数矩阵C如下：

针对总投票矩阵V，按如下公式：

构成玻尔兹曼机所对应的节点间投票结果矩阵W，然后进入步骤C；表示Hadamard积，N表示全部目标传感器的个数，c1,N表示第1个目标传感器向第N个目标传感器的投票系数值，V1,N表示第1个目标传感器向第N个目标传感器的投票值；

步骤C.基于玻尔兹曼机所对应的节点间投票结果矩阵W，构建空调机组所对应的玻尔兹曼机，并在玻尔兹曼机中新增一个状态值等于1的新节点，获得对称化的新玻尔兹曼机，然后进入步骤D；

步骤D.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)，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E；

步骤E.获得新玻尔兹曼机中各目标传感器对应样本时刻的检测状态，结合各目标传感器对应样本时刻的实际状态，计算获得正常状态、以及各目标传感器故障对应的F1得分，通过求解基于F1得分得到的最优目标函数的适应度函数，获得系数矩阵C所对应的检测质量，然后进入步骤F；

*

步骤F.判断是否满足预设迭代要求，是则获得最优投票系数矩阵C ；否则随机获得系数矩阵C的邻域解，并应用采用模拟退火算法，更新系数矩阵C，并返回步骤B；

步骤i.根据最优投票系数矩阵，针对未知各目标传感器实际状态的待分析时刻，按步*

骤A至步骤D，获得各目标传感器基于最优投票系数矩阵C、对应待分析时刻的新玻尔兹曼机，判断新玻尔兹曼机中除新增节点以外、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，实现各目标传感器对应待分析时刻的状态检测。

2.根据权利要求1所述一种基于有监督投票机制的空调机组故障诊断方法，其特征在于：

所述步骤A包括步骤A1至步骤A4，完成各目标传感器的样本时刻投票操作；

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样本时刻传感检测数据，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样本时刻投票值sk(|rk(t)|)，进而获得全部约束等式中各个约束等式分别所对应的样本时刻投票值，然后进入步骤A2；其中，1≤k≤K，K表示全部约束等式的个数，|rk(t)|表示样本时刻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)|)表示样本时刻t时刻全部约束等式中第k个约束等式所对应的ub投票值，|rk| 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；

步骤A2.分别针对各个目标传感器，计算获得目标传感器的样本时刻权值，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样本时刻投票值，结合第一待处理目标传感器的样本时刻权值，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；进而完成各目标传感器的样本时刻投票操作。

3.根据权利要求2所述一种基于有监督投票机制的空调机组故障诊断方法，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样本时刻权值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个目标传感器对应样本时刻t时刻的权值，S(t)，Si,FalAvg如下：T

S(t)＝[s1(|r1(t)|) … sk(|rk(t)|) … sK(|rK(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。

4.根据权利要求2所述一种基于有监督投票机制的空调机组故障诊断方法，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样本时刻投票值，并获得该各样本时刻投票值的平均值 进一步结合第一待处理目标传感器i1的样本时刻权值ci1(t)，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的样本时刻投票值 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：

5.根据权利要求2所述一种基于有监督投票机制的空调机组故障诊断方法，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，该约束等式所对应样本时刻投票值作为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分别向第二待处理目标传感器的样本时刻投票值，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，即完成各目标传感器的样本时刻投票操作。

6.根据权利要求1所述一种基于有监督投票机制的空调机组故障诊断方法，其特征在于：所述步骤C包括如下步骤C1至步骤C4；

步骤C1.基于玻尔兹曼机所对应的节点间投票结果矩阵W，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，进一步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，统计获得各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，作为该各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；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样本时刻投票结果，然后进入步骤C2；

步骤C2.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样本时刻投票结果，获得玻尔兹曼机结构中各组彼此以边相连两节点彼此间样本时刻相互投票结果，构成空调机组所对应的玻尔兹曼机，然后进入步骤C3；

步骤C3.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C4；

步骤C4.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，获得对称化的新玻尔兹曼机，然后进入步骤D。

7.根据权利要求6所述一种基于有监督投票机制的空调机组故障诊断方法，其特征在于：所述步骤C4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C4‑1至步骤C4‑3，获得新玻尔兹曼机，然后进入步骤D；

步骤C4‑1.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C4‑2；

步骤C4‑2.在玻尔兹曼机中新增一个状态值等于1的新节点，并在保持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，获得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：然后进入步骤C4‑3；

步骤C4‑3.获得玻尔兹曼机新增新节点后所对应的节点间投票结果矩阵

实现玻尔兹曼机新增新节点后任意两节点彼此间相

互投票结果彼此相等，获得对称化的新玻尔兹曼机。

8.根据权利要求1所述一种基于有监督投票机制的空调机组故障诊断方法，其特征在于：所述步骤D包括步骤D1至步骤D6如下：步骤D1 .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：

获得各节点i'的状态发生转移的概率Pi',trans，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D2；

步骤D2.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D3；

步骤D3.初始化迭代次数s等于0，并进入步骤D4；

步骤D4.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D5；

步骤D5.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E；否则进入步骤D6；

步骤D6.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D4。

9.根据权利要求1所述一种基于有监督投票机制的空调机组故障诊断方法，其特征在于：所述步骤E包括如下步骤E1至步骤E5；

步骤E1.获得新玻尔兹曼机中各目标传感器对应样本时刻的检测状态，构成各目标传感器检测状态序列 并由各目标传感器对应样本时刻的实际状态，构成各目标传感器实际状态序列X，然后进入步骤E2；

步骤E2.根据如下公式：

获得各目标传感器对应系数矩阵C下的检测精度Precisioni，然后进入步骤E3；其中，TPi表示第i个目标传感器有故障、且被正确诊断为故障状态的概率；FPi表示第i个目标传感器无故障、但是被误诊为故障状态的概率；TNi表示第i个目标传感器无故障、且被正确诊断为无故障的概率；FNi表示第i个目标传感器有故障、但被漏诊为无故障的概率；

步骤E3.根据如下公式：

获得各目标传感器对应系数矩阵C下的检测精度Recalli，然后进入步骤E4；

步骤E4.根据如下公式：

获得各目标传感器对应系数矩阵C下的F1得分F1,i，然后进入步骤E5；

步骤E5.根据如下公式：

s.t.ci,j≥0,i,j＝1,...,N

获得系数矩阵C所对应的F1得分f1(C)，其中，N表示全部目标传感器的个数；

表示正常状态下的F1得分， 为第i个

目标传感器的故障对应的F1得分；wnorm表示正常情况下F1得分与1之差的预设权重；wi,fal表示第i个目标传感器的F1得分与1之差的预设权重。

10.根据权利要求9所述一种基于有监督投票机制的空调机组故障诊断方法，其特征在于：所述步骤F中基于如下两个预设迭代要求同时进行判断，并按满足即跳出迭代原则执行；预设迭代要求1判断：判断当前迭代次数m是否满足预设最大迭代次数M，是则基于各系数矩阵分别所对应的F1得分，选择其中距离1最近的F1得分所对应的系数矩阵C，作为最优*投票系数矩阵C ；否则获得当前迭代系数矩阵C的邻域解C(m)，并采用模拟退火算法计算该邻域解C(m)的适应度函数f(m)，进一步判断f(m)是否小于f(m‑1)，是则表示当前迭代的解优于上一迭代的解，应用该邻域解C(m)更新系数矩阵C，并返回步骤B；否则根据当前迭代温度T(m)，以模拟退火算法的一定概率应用该邻域解C(m)更新系数矩阵C，接着降温，然后返回步骤B；

预设迭代要求2判断：判断所获系数矩阵C对应的F1得分相距1的差值是否达到与预设差值阈值，是则基于各系数矩阵C分别所对应的F1得分，选择其中距离1最近的F1得分所对*应的系数矩阵C，作为最优投票系数矩阵C ；否则获得当前迭代系数矩阵的邻域解C(m)，并计算该邻域解C(m)的适应度函数f(m)，进一步判断f(m)是否小于f(m‑1)，是则表示当前迭代的解优于上一迭代的解，应用该邻域解C(m)更新系数矩阵C，并返回步骤B；否则根据当前迭代温度T(m)，以模拟退火算法的一定概率应用该邻域解C(m)更新系数矩阵C，接着降温，然后返回步骤B。