1.一种基于改进离散粒子群算法优化故障等级的传感器布局方法，其特征在于：所述传感器布局优化方法包括以下步骤：

(1)通过系统故障模式、影响及危害性分析，建立系统故障—传感器的相关性矩阵模型，各节点检测故障的传感器数量使用的限制情况；

(2)根据系统故障重要度，划分系统故障的等级结构，以及故障分级情况下的故障漏检率要求；

(3)判断系统故障模式依次所属的故障等级；

(4)用Logistic映射方法生成离散粒子群算法的初始化种群；

(5)判断粒子的解是否满足系统不同故障等级的故障漏检率要求；将低故障等级漏检率满足相应故障等级漏检率要求作为约束条件Z1：Z1＝Min(∑i∈MFxisj)            (1)式中，MF表示粒子序列与故障—传感器布尔矩阵相乘的结果，xi表示粒子编码序列，sj表示不同传感器种类的漏检率；

(6)粒子满足系统故障模式分别对应的故障等级下漏检率要求后，求解传感器布局花费传感器成本的适应度值；所述适应度值由以下适应度函数Z2求解：式中，xi表示粒子编码序列，cj表示不同传感器种类的代价；

(7)用改进的惯性权重因子来实现惯性权重因子的变化；惯性权重因子非线性递减的方程表示为：

wtemp＝((wint‑wend)*(Tmax‑t))/Tmax+wend        (3)式中，wtemp表示当前迭代t的惯性参数，wint表示惯性参数的初始值，wend表示惯性参数的终值，Tmax表示最大迭代次数；

(8)更新粒子速度和位置变量；

(9)迭代寻优找到花费成本最低的适应度值的粒子即为传感器布局最优方案。

2.根据权利要求1所述的基于改进离散粒子群算法优化故障等级的传感器布局方法，其特征在于：步骤(1)中建立系统故障‑传感器的相关性矩阵模型的过程如下：(1.1)假设系统具有m种故障模式，故障集F的故障率为fi，根据故障模式影响和危害性FMECA分析得到系统潜在的故障集F＝{f1,f2,f3,…fm}；其中，fm代表故障率；

(1.2)对系统进行检测的n类传感器中，传感器备选测试表示为T＝{t1,t2,t3,…tn}，tn代表第n种传感器；

(1.3)将系统故障—传感器相关性矩阵记为布尔矩阵D＝{FT}＝[fitj]m*n，其中FT是一个m*n维的矩阵，F代表传感器的故障模式集，T代表传感器备选测试集；相关性矩阵的行代表故障模式；列代表传感器。

3.根据权利要求2所述的基于改进离散粒子群算法优化故障等级的传感器布局方法，其特征在于：步骤(1.1)中，所述故障模式通过故障等级来体现，所述故障等级P＝[p1,p2,p3,,,pm]；其中，pm代表第m种故障模式所属的故障等级。

4.根据权利要求2所述的基于改进离散粒子群算法优化故障等级的传感器布局方法，其特征在于：所述系统故障—传感器相关性矩阵为二值相关性矩阵，若fitj＝1，则代表第i种故障模式被第j种传感器检测出，即tj与fi相关；反之fitj＝0，则tj与fi不相关。

5.根据权利要求1所述的基于改进离散粒子群算法优化故障等级的传感器布局方法，其特征在于：步骤(3)中，所述系统故障模式由故障模式—故障等级相关性矩阵模型表示为K＝{FP},矩阵中的元素fiPl，其中i＝1,2,,,m表示故障模式，l＝1,2,3表示故障等级，fiPl＝1表示故障模式i的故障等级为Pl。

6.根据权利要求5所述的基于改进离散粒子群算法优化故障等级的传感器布局方法，其特征在于：fiPl＝0表示故障模式i不属于故障等级Pl。

7.根据权利要求1所述的基于改进离散粒子群算法优化故障等级的传感器布局方法，其特征在于：步骤(4)中，利用下式将Logistic混沌序列中的每个变量转换成粒子的速度和位置变量：

x(t+1)＝μx(t)(1‑x(t))            (4)vi,j＝vmin+xij*(vmax‑vmin)           (5)式中，t表示迭代次数，μ为控制参数，x(t+1)表示下一迭代粒子的位置，vi,j表示当前迭代的粒子的速度变量，vmin表示粒子飞行允许的最小值，vmax表示粒子飞行允许的最大值。

8.根据权利要求7所述的基于改进离散粒子群算法优化故障等级的传感器布局方法，其特征在于：当初始值0

9.根据权利要求1所述的基于改进离散粒子群算法优化故障等级的传感器布局方法，其特征在于：步骤(8)中，以第t+1次迭代为例，粒子的速度向量和位置更新如下：vi(t+1)＝wvi(t)+C1R1(Pbest‑xi(t))+C2R2(Gbest‑xi(t))      (6)xi(t+1)＝xi(t)+vi(t+1)                  (7)式中，vi(t)是粒子当前时刻的速度，vi(t+1)是粒子下一时刻的速度，xi(t)是粒子当前时刻的位置，xi(t+1)是粒子下一时刻的位置；w表示惯性权重因子，R1、R2是[0,1]之间的随机数；C1、C2是学习因子。

10.根据权利要求9所述的基于改进离散粒子群算法优化故障等级的传感器布局方法，其特征在于：步骤(8)中采取向上取整和取模运算的方法，具体如下：式中，表示对非离散编码元素进行向上取整，2代表使用传感器的最大个数不超过2，即q≦2。当非离散编码元素在{0,1,2}集合之间时，采用先对元素进行取绝对值再向上取整，当非离散编码元素不在{0,1,2}集合之间时，采用对元素去绝对值后再与2进行取模运算，进而将不离散的粒子的位置分布到集合{0,1,2}之间取值。