1.基于机器学习的探针故障检测系统，其特征在于，

所述系统包括信息库、故障信息采集端口、机器学习模块、故障定位端口，所述信息库，用于储存历史故障特征数据和故障位置特征数据，其中，历史故障特征数据表示为序列(x1,x2,x3,...,xn)，xn为储存的第n个历史故障特征数据，故障位置特征数据表示为序列(X1,X2,X3,...,Xn),Xn为储存的第n个历史故障特征数据所对应的故障位置特征数据；所述故障信息采集端口，用于采集探针的实时故障特征数据；所述机器学习模块，用于对故障确定模型、故障定位模型进行学习训练，以对探针的故障进行查找、定位；所述故障定位端口，用于在机器学习模块的辅助下，对探针的故障位置进行查找；

其中，所述故障确定模型包括以下具体内容：构造层数为2层的故障确定模型，将所有数理统计值的数量作为故障确定模型中第1层的节点数量，将待确定故障的数量作为故障确定模型中第2层的节点数量；

故障确定策略包括以下具体内容：

S1、将历史故障统计特征数据中的每组历史故障统计特征向量作为故障确定模型的输入；将该组历史故障统计特征向量对应的历史故障特征数据作为输出，以最小化故障确定模型的预测值与预测目标之间的预测误差之和作为预测目标，对故障确定模型进行训练，直至预测误差之和达到收敛时停止训练；

S2、将实时故障统计特征数据输入训练好的故障确定模型，计算信息库中与故障确定模型输出的结果匹配度最高的历史故障特征数据；

S3、将查找得到的，与故障确定模型输出的结果匹配度最高的历史故障特征数据作为故障定位模型的输入；

S4、输出故障位置特征数据，对故障进行定位。

2.根据权利要求1所述的基于机器学习的探针故障检测系统，其特征在于，所述故障信息采集端口包括故障特征数据提取模块、数据传输模块和故障特征数据处理模块，所述故障特征数据提取模块，用于提取采集得到的探针故障特征数据；所述数据传输模块，用于将提取得到的探针故障特征数据传输给故障特征数据处理模块；

所述故障特征数据处理模块，用于将故障特征数据转化为故障统计特征数据。

3.根据权利要求2所述的基于机器学习的探针故障检测系统，其特征在于，所述机器学习模块包括故障确定模型训练单元和故障定位模块训练单元，所述故障确定模型训练单元，用于构建故障确定模型，运行故障确定策略；

所述故障定位模块训练单元，用于构建故障定位模型，运行所述故障定位策略。

4.根据权利要求3所述的基于机器学习的探针故障检测系统，其特征在于，所述故障定位端口包括故障定位模型提取模块，所述故障定位模型提取模块，用于对机器学习模块中的故障定位模型进行提取，获取故障位置信息。

5.根据权利要求4所述的基于机器学习的探针故障检测系统，其特征在于，所述将故障特征数据转化为故障统计特征数据包括以下具体内容：收集历史故障特征数据的各项数理统计值，将各项数理统计值组成历史故障统计特征向量，将所有历史故障统计特征向量组合成历史故障统计特征数据。

6.根据权利要求1所述的基于机器学习的探针故障检测系统，其特征在于，所述S4中的匹配度计算公式为 ：；xi为储存的第i个历史故障特征数据，y为故障确定模型输出的结果。

7.根据权利要求6所述的基于机器学习的探针故障检测系统，其特征在于，所述S3中故障定位模型的训练方式为：S51：提取信息库中t组历史故障特征数据和故障位置特征数据；

S52：将每一组历史故障特征数据转化为特征向量的形式，将t组特征向量的集合作为故障定位模型的输入，所述故障定位模型以每组特征向量预测的故障位置特征数据作为输出，以每组特征向量对应的实际故障位置特征数据作为预测目标，以最小化所有预测的故障位置特征数据预测准确度之和作为训练目标；

S53：所述预测准确度的计算公式为： ；其中，下标k为特征向量的组

数，f为预测的故障位置特征数据，F为实际的故障位置特征数据，pk为第k组特征向量预测的故障位置特征数据与实际的故障位置特征数据之间的预测准确度，对故障定位模型进行训练，直至预测准确度之和达到收敛时停止训练。