1.一种多源数据融合的离心式压缩机健康状态评估方法，其特征在于：包括以下步骤：S1、以工艺流程为主线，建立数据流按关联流程段风险划分模型；

S2、以离心式压缩机部件为主线，建立数据流按关联设备部件风险划分模型；

S3、利用按关联流程段风险划分模型和按关联设备部件风险划分模型，将工艺量数据流集合 划分成为9个子集合；

S4、在石化生产过程中压缩机关系到压缩机安全运行的工艺量都有其安全变化范围，压缩机工艺量 的门限值为上限值 和下限值 ，在建立压缩机运行状态安全指数之前对压缩机工艺量 进行非线性变换：(1)

S5、压缩机工艺量临界及超限指数设计，构造带 域的示性函数，按式（2）计算压缩机工艺量 的临界及超限指数 ：（2）

S6、压缩机工艺量临界及超限综合指数计算方法是以压缩机工艺量数据分层结构为基础，构建三层结构模型；采用层次分析法，构建基于工艺量临界及超限情况的随时间变化的压缩机故障风险评估指数向量和压缩机故障风险综合评估总指数；

S7、综合步骤S6计算的压缩机故障风险评估指数向量和压缩机故障风险综合评估总指数，进行压缩机故障风险的动态诊断；

步骤S1中，以工艺流程为主线，建立数据流按关联流程段风险划分模型，包括以下步骤：S11、对工艺监测数据按物理量进行归类，形成p个工艺量数据流集合 ；

S12、利用压缩机的物理机理和化工生产的流程特征，将压缩机工作过程划分为高风险段、中风险段和低风险段3个类别的工艺流程段 ；

S13、利用工艺量数据流来源不同，将每个工艺量数据流集合划分为若干个子集，每个子集来源于一个特定的工艺流程段；

对于工艺量数据流与工艺流程段之间的关联关系，采用元素为1/0表示的第一关联矩阵 ， 为数据流总数；

若矩阵元素 取值为1，则第 个数据流来自第 类工艺段；

若 取值0，则第 个数据流与第 类工艺流程段无关；

步骤S2中，以离心式压缩机部件为主线，建立数据流按关联设备部件风险划分模型，包括以下步骤：S21、将压缩机所有部件构成的集合，按重要程度分为安全攸关部件子集、中风险部件子集和弱风险部件子集，记3个子集合为 ；利用工艺量数据流来源不同，将每个工艺量数据流集合划分为若干个子集合，每个子集合来源于部件集合对应的子集合；

S22、对于工艺量数据流与设备部件间的关联关系，采用元素为1/0表示的第二关联矩阵 ；

若矩阵元素 取值为1，则第 个数据流来自第 类设备部件；

若 取值0，则第 个数据流与第 类设备部件无关；

利用第二关联矩阵 ，将工艺量数据流按关联设备部件的风险程度划分为三个数据流子集：(3)

式中， 表示第 个数据流集合中关联第 类设备部件的数据流子集合；

步骤S6中，采用层次分析法，构建基于工艺量临界及超限情况的随时间变化的压缩机故障风险评估指数向量：(4)

和压缩机故障风险综合评估总指数：

 (5)

式中， 表示数据流集合 中数据流个数， 为相对权重，满足如下关系：

（6）

步骤S7中，压缩机故障风险的动态诊断具体如下：a）.如果 纵坐标长时间趋势性地趋近于1，则判断压缩机整体处于不健康甚至高风险状态；如果存在 的分量 纵坐标趋势性地长时间接近于1，则判定该分量对应的数据流集合 变化异常，其所对应的流程段设备部件存在故障隐患甚至诱发事故风险；

b).如果 纵坐标保持在0附近，则判断压缩机整体处于健康状态；如果存在 的分量 纵坐标保持在0附近，则判定该分量对应的数据流集合 正常，其所对应流程段设备部件未见故障隐患；

c).如果 分量或 的散点图仅在若干孤立的时间点上接近于1，其余时刻的量值均在0附近，则判断接近于1的原因是数据野值而不是故障；

d).如果 纵坐标有逐步接近1趋势但与1之间缝隙大于安全带宽 ，则判断压缩机整体处于亚健康状态；如果存在 的分量 纵坐标逐步接近1但与1之间缝隙大于安全带宽 ，则判定该分量对应的数据流集合 有异变趋势，其所对应流程段设备部件有发生渐变故障的风险。

2.根据权利要求1所述的一种多源数据融合的离心式压缩机健康状态评估方法，其特征在于，利用第一关联矩阵 ，将工艺量数据流按关联工艺段的风险程度划分为三个数据流子集： (7)

式中， 表示第 个数据流集合中关联第 类工艺段的数据流子集合； 是集合运算符，表示不相交集合的并集。