1.一种IGBT器件的状态检测电路控制方法，其特征在于，包括以下步骤：步骤S1：通过表面声波传感器技术对IGBT器件的工作参数进行无线监测，从而获取实时工作参数；利用纳米湿度传感器对环境空气进行纳米紫外线激发处理，从而获取实时湿度数据；

步骤S2：获取历史故障数据集，其中历史故障数据集包括故障湿度数据、故障原因数据、故障时间戳数据、故障类型数据以及故障前兆工作数据；对故障前兆工作数据进行时间频率联合分析，从而获取工作参数特征向量；

步骤S3：根据历史故障数据集对故障湿度数据、故障时间戳数据、故障类型数据以及故障前兆工作数据进行内在关联关系挖掘，从而获取故障关联知识图谱；

步骤S4：根据故障时间戳数据对故障湿度数据进行湿度范围划分，从而获取第一湿度范围、第一湿度范围以及第三湿度范围；对第一湿度范围、第一湿度范围以及第三湿度范围分别进行湿度敏感性计算，从而获取第一湿敏因子、第二湿敏因子以及第三湿敏因子；

步骤S5：根据故障原因数据以及故障类型数据对第一湿敏因子、第二湿敏因子以及第三湿敏因子进行故障类型诊断，从而获取致因概率分布数据；利用致因概率分布数据对故障关联知识图谱进行因果推理调整，从而获取故障因果机理图；

步骤S6：基于故障因果机理图以及实时湿度数据对实时工作参数进行故障类型预测，从而获取预测类型；

步骤S7：根据工作参数特征向量对故障前兆工作数据进行演变轨迹行为学习，从而获取工作参数预测模型；

步骤S8：利用工作参数预测模型对预测类型进行故障时间范围预测，从而获取预测时间数据；

步骤S9：根据故障因果机理图对预测类型以及预测时间数据进行故障紧急程度预测并评估，从而获取风险等级数据；根据风险等级数据利用预设的驱动电路对IGBT器件进行相应的控制。

2.根据权利要求1所述的IGBT器件的状态检测电路控制方法，其特征在于，步骤S1包括以下步骤：步骤S11：利用表面声波传感器通过预设的无线模块对IGBT器件的工作电流和电压进行声波数据实时采集，从而获取工作声波信号；

步骤S12：对工作声波信号进行小波变换，从而获取声波特征矩阵；

步骤S13：对声波特征矩阵进行主成分分析，从而获取主成分特征向量；

步骤S14：对主成分特征向量进行标准化，从而获取实时电压以及电流数据；

步骤S15：通过热敏漆法获取实时温度数据；将实时温度数据、实时电压以及电流数据作为实时工作参数；

步骤S16：对纳米湿度传感器的吸湿材料进行紫外线照射激发，并对纳米湿度传感器的电阻变化进行实时监测，从而获取电阻信号；

步骤S17：对电阻信号进行香农熵变化计算，从而获取实时湿度数据。

3.根据权利要求1所述的IGBT器件的状态检测电路控制方法，其特征在于，步骤S17中进行香农熵变化计算是通过湿度香农熵检测公式对电阻信号的变化进行计算，从而获取实时湿度数据，其中湿度香农熵检测公式如下所示：式中，H(R)为实时湿度数据，R为电阻信号的平均值，n为电阻信号的总数，i为电阻信号值的序号，σ为电阻信号的标准差，Ri为第i个电阻信号的值，α为正弦调整系数，β为正弦调整频率，γ为余弦调整系数，δ为余弦调整频率。

4.根据权利要求1所述的IGBT器件的状态检测电路控制方法，其特征在于，步骤S2包括以下步骤：步骤S21：获取历史故障数据集，其中历史故障数据集包括故障湿度数据、故障原因数据、故障时间戳数据、故障类型数据以及故障前兆工作数据；

步骤S22：根据故障时间戳数据对故障时间进行故障时间段划分，从而获取故障时间段集，其中故障时间段集包括多个故障时间段；

步骤S23：对故障时间段集中每个故障时间段进行故障次数统计，从而获取故障次数数据；

步骤S24：对故障时间段集中每个故障时间段的故障次数进行故障发生概率计算，从而获取时间段故障概率；

步骤S25：对故障前兆工作数据进行多层次分解，从而获取频带信号分量集，其中频带信号分量集包括多个频带信号分量；

步骤S26：对频带信号分量集中每个频带信号分量进行时频能量特征提取，从而获取能量特征矩阵；

步骤S27：通过极大似然估计法对不同的时间段故障概率进行概率加权，从而获取故障概率权重向量；

步骤S28：将故障概率权重向量与能量特征矩阵进行按元素乘法，从而获取工作参数特征向量。

5.根据权利要求1所述的IGBT器件的状态检测电路控制方法，其特征在于，步骤S3包括以下步骤：步骤S31：对故障时间戳数据进行故障间隔时长计算，从而获取间隔时长数据集，其中间隔时长数据集包括多个间隔时长数据；

步骤S32：将历史故障数据集中的每次故障作为故障样本，从而获取故障样本集；

步骤S33：利用间隔时长数据集对故障样本集进行层次聚类，从而获取故障聚类结果；

步骤S34：对故障聚类结果中每个类别对应的故障湿度数据、故障时间戳数据、故障类型数据以及故障前兆工作数据进行皮尔逊系数计算，从而获取类内相关系数；

步骤S35：利用预设的相关系数阈值对类内相关系数进行临界值过滤，从而获取强相关变量对；

步骤S36：对每个类别的强相关变量对进行关联分析，从而获取类内频繁项集；

步骤S37：对类内频繁项集进行关联规则挖掘，从而获取关联规则；

步骤S38：对强相关变量对以及关联规则进行知识图谱构建，从而获取故障关联知识图谱。

6.根据权利要求1所述的IGBT器件的状态检测电路控制方法，其特征在于，步骤S4包括以下步骤：步骤S41：根据故障时间戳数据对故障湿度数据按时间排序，从而获取湿度排序数据；

步骤S42：对湿度排序数据进行曲线拟合以及可视化，从而获取湿度演变轨迹；

步骤S43：对湿度演变轨迹进行变化模式分析，从而获取湿度演变规律以及湿度敏感区间；

步骤S44：根据湿度演变规律以及湿度敏感区间对湿度数据进行温度范围划分，从而获取第一湿度范围、第一湿度范围以及第三湿度范围；

步骤S45：根据第一湿度范围、第一湿度范围以及第三湿度范围将历史故障数据集按照温度范围进行样本划分，从而获取第一样本集、第二样本集以及第三样本集；

步骤S46：根据相应的故障原因数据对第一样本集、第二样本集以及第三样本集进行湿度诱发故障次数统计，从而获取相应的湿度诱发频数；

步骤S47：对每个样本集中的湿度诱发频数进行湿度敏感性计算，从而获取第一湿敏因子、第二湿敏因子以及第三湿敏因子。

7.根据权利要求1所述的IGBT器件的状态检测电路控制方法，其特征在于，步骤S5包括以下步骤：步骤S51：对第一湿敏因子、第二湿敏因子以及第三湿敏因子与故障类型数据进行关联矩阵建立，从而获取湿敏故障概率矩阵；

步骤S52：基于湿敏故障概率矩阵对第一湿敏因子、第二湿敏因子以及第三湿敏因子对应的故障类型数据进行贝叶斯后验概率计算，从而获取后验概率矩阵；

步骤S53：根据后验概率矩阵对每个湿敏因子进行故障类型诊断，从而获取湿敏因子诊断结果；

步骤S54：利用故障原因数据以及故障类型数据对湿敏因子诊断结果进行故障类型验证，从而获取验证故障概率分布；

步骤S55：利用验证故障概率分布对第一湿敏因子、第二湿敏因子以及第三湿敏因子进行权重调整，从而获取致因概率分布数据；

步骤S56：利用致因概率分布数据对故障关联知识图谱进行因果推理调整，从而获取故障因果机理图。

8.根据权利要求7所述的IGBT器件的状态检测电路控制方法，其特征在于，步骤S56包括以下步骤：步骤S561：根据致因概率分布数据对相应的故障类型数据进行节点权重计算，从而获取故障贝叶斯概率；

步骤S562：利用故障贝叶斯概率对故障关联知识图谱进行马尔可夫随机场概率传播调整，从而获取故障知识图谱；

步骤S563：对故障知识图谱进行因果推理分析，从而获取故障因果机理图。

9.根据权利要求1所述的IGBT器件的状态检测电路控制方法，其特征在于，步骤S7包括以下步骤：步骤S71：根据工作参数特征向量对故障前兆工作数据进行缺失值填充，从而获取前兆工作数据；

步骤S72：对前兆工作数据进行随时间演变规律分析，从而获取演变规律数据；

步骤S73：对演变规律数据进行演变行为分析，从而获取演变行为模式；

步骤S74：对演变行为模式进行演变轨迹学习，从而获取工作参数预测模型。

10.根据权利要求1所述的IGBT器件的状态检测电路控制方法，其特征在于，步骤S9包括以下步骤：步骤S91：获取IGBT器件的历史故障次数以及老化程度数据；

步骤S92：根据历史故障次数对IGBT器件进行工作能力持久性评估，从而获取可靠性指标；

步骤S93：根据老化程度数据对IBGT器件进行湿度敏感度评估，从而获取湿度敏感指标；

步骤S94：根据可靠性指标以及湿度敏感指标对预测时间数据进行二次精准预测，从而获取二次预测时间；

步骤S95：对IGBT器件所在工作区域进行生产线资产评估，从而获取区域资产价值数据；

步骤S96：根据预测类型以及区域资产价值数据进行故障损失资产评估，从而获取故障损失价值数据；

步骤S97：根据故障损失价值数据以及二次预测时间进行故障紧急程度预测并评估，从而获取风险等级数据；根据风险等级数据利用预设的驱动电路对IGBT器件进行相应的控制。