1.一种基于分布式回归模型的风力发电机故障检测方法，其特征在于，包括以下步骤：步骤(1)：在风力发电机正常运行状态下，每间隔60秒采集一次样本数据，每个样本数据具体包括11个数据，依次分别为：风速，旋翼转速，发电机转速，机械转矩，发电功率，叶片螺距角，叶片方位角，叶片根部力矩，顶部水平轴加速度，顶部纵轴加速度，偏航误差；

步骤(2)：将风速在5m/s至20m/s之间的N个样本数据x1，x2，…，xN组成矩阵X＝[x1，x2，…，xN]，并对X∈R11×N中各个行向量实施标准化处理从而得到新矩阵 其中，xi∈R11×1表示第i个样本数据，i∈{1，2，…，N}，R11×N表示11×N维的实数矩阵，R11×1表示11×1维的实数向量；

步骤(3)：利用支持向量回归算法建立分布式回归模型，保留相应的参数集合，具体的实施过程如步骤(3.1)至步骤(3.4)所示：步骤(3.1)：初始化j＝2；

步骤(3.2)：将新矩阵 中第j行的行向量记做为输出向量zj∈R1×N，并将新矩阵 中其余10行的行向量组成输入矩阵Zj∈R10×N；其中，R1×N表示1×N维的实数向量，R10×N表示10×N维的实数矩阵；

步骤(3.3)：利用支持向量回归算法建立输入矩阵Zj与输出向量zj之间的回归模型：并保留回归模型的参数集合φj以备调用；其中， 表示核矩阵，

为系数向量，ej∈R1×N为误差向量，上标号T表示矩阵或向量的转置符号， 表示nj×N维的实数矩阵， 表示nj×1维的实数向量，参数集合φj具体包括系数向量θj，核函数及其核参数，以及nj个支持向量；

步骤(3.4)：判断是否满足条件：j＜11；若是，则设置j＝j+1后，返回步骤(3.2)；若否，则已建立包含10个回归模型的分布式回归模型，并保留相应的参数集合φ2，φ3，…，φ11；

步骤(4)：将10个误差向量e2，e3，…，e11组成误差矩阵 后，再计算协方差矩阵Λ＝EET/(N-1)；

步骤(5)：根据公式Q＝diag{ETΛ-1E}计算检测指标向量Q，并将Q中的最大值记做控制上限Qlim以备调用；其中，diag{ }表示将大括号内矩阵对角线元素转变成向量的操作；

步骤(6)：采集最新采样时刻的样本数据xnew∈R11×1，xnew中的11个数据依次为：风速，旋翼转速，发电机转速，机械转矩，发电功率，叶片螺距角，叶片方位角，叶片根部力矩，顶部水平轴加速度，顶部纵轴加速度，和偏航误差；

步骤(7)：判断xnew中的第一个数据是否小于等于20且大于等于5；若是，则执行步骤(8)；若否，则风力发电机未产生电能，处于待机状态，并返回步骤(6)继续利用最新采样时刻的样本数据实施风力发电机故障检测；

步骤(8)：对xnew中各行数据实施与步骤(2)中相同的标准化处理，从而得到新数据向量步骤(9)：调用步骤(3)中的参数集合，计算得到误差向量enew∈R10×1，具体的实施过程如步骤(9.1)至步骤(9.4)所示；

步骤(9.1)：初始化j＝2；

步骤(9.2)：将 中第j行的元素记为输出数据yj，并将 中其余10行的元素组成输入向量tj∈R10×1；

步骤(9.3)：调用参数集合φj中的核函数及其核参数和nj个支持向量，计算出核向量后，再调用参数集合φj中的系数向量θj计算误差步骤(9.4)：判断是否满足条件：j＜11；若是，则设置j＝j+1后返回步骤(8.2)；若否，则将计算得到的误差f2，f3，…，f11组成误差向量enew＝[f2，f3，…，f11]T∈R10×1；

步骤(10)：根据公式 计算故障检测指标Qnew后，在判断是否满足条件：

Qnew≤Qlim；若是，则当前采样时刻风力发电机运行正常，并返回步骤(6)；若否，则执行步骤(11)从而决策是否触发故障警报；

步骤(11)：返回步骤(6)继续利用最新采样时刻的样本数据实施风力发电机故障检测，若连续6个采样时刻的故障检测指标都不满足步骤(10)中的判断条件，则触发故障警报；反之，则不触发故障警报，并返回步骤(6)继续实施故障检测。