1.一种轨道交通车辆受电弓的分布式故障检测方法，其特征在于，所述方法包括：步骤一：轨道交通车辆的受电弓划分为多个节点，每个节点都设置传感器用来检测相应信息，采集各受电弓设备上的原始数据；

步骤二：将本地节点跟相邻节点的原始数据进行降维处理，得到降维后的数据；

步骤三：利用降维后的数据构建系统矩阵并利用系统矩阵估计协方差矩阵，对该协方差矩阵进行奇异值分解得到奇异矩阵；

步骤四：利用奇异矩阵设计残差生成器并构建检验统计量T2进行在线监测；

步骤五：利用面对非高斯过程的故障检测阈值设置方法实时求解阈值Jth，若T2≤Jth，则轨道交通车辆受电弓无故障，若T2＞Jth，则轨道交通车辆受电弓出现故障。

2.根据权利要求1所述的一种轨道交通车辆受电弓的分布式故障检测方法，其特征在于，所述步骤二包括：假设样本集为Xn*m，每行一个样本，样本的数目为n，特征维度为m；m个特征之间的协方差矩阵为：求出此协方差矩阵的特征值λi和特征向量ρi，并将特征值按从大到小的顺序进行排列：λ1≥λ2≥…≥λk≥λk+1≥…≥λm，将各特征向量按照对应的特征值重新进行排列，则Zm*m＝[ρ1,ρ2,…,ρm]；令前k个从大到小的特征值构成对角矩阵Sk*k且Sk*k＝diag(λ1,λ2,…λk)，k个对应的特征向量组成降维矩阵Pm*k且Pm*k＝[ρ1,ρ2,…,ρk]。

3.根据权利要求2所述的一种轨道交通车辆受电弓的分布式故障检测方法，其特征在于，所述步骤三包括：假设测量向量u来自本地节点，yi是来自邻域的节点，其中i＝1，……，n-1，节点i收集mi维信号yi的测量值，假设所有的yi在m维度上产生y；令U用一个l×N的测量矩阵来表示，其矩阵在其列中包含N个u的测量值，同样，Y用m×N的测量矩阵来表示，假设测量次数足够多，因此系统矩阵Σu，Σy，Σuy可以用以下公式近似表示：则有协方差矩阵其中上标符号表示对矩阵求平方根再求其逆矩阵；

对矩阵K进行奇异值分解可得K＝τΣβT，其中τ＝(μ1,…μl)∈Rl×l，β＝(v1,…vm)∈Rm×m，μ1,…,μl和ν1,…νm是对应的奇异向量，奇异矩阵∑k＝diag(p1,p2,…pk)∈Rk×k，其中p1,p2,…pk表示的是奇异值，奇异值与特征值的关系如下式所示：i∈1,…,k，特征值是按照从大到小的顺序进行排列：λ1≥λ2≥…≥λk。

4.根据权利要求3所述的一种轨道交通车辆受电弓的分布式故障检测方法，其特征在于，所述步骤四包括：通过公式设计一个残差生成器，其中，其中∑k＝diag(p1,p2,…pk)∈Rk×k，τ’∈Rl×k，β’∈Rm×k；

根据残差生成器，利用公式构建检验统计量，其中，

5.根据权利要求4所述的一种轨道交通车辆受电弓的分布式故障检测方法，其特征在于，所述步骤五包括：步骤501：假设错误警报的概率P(FAR)∈(0,1)并且有δ∈(0,1)，令∈>0且满足条件P(FAR)-∈>0，迭代容忍度Δ>0，其中，P(FAR)＝prob(T2>Jth|f＝0)；

步骤502：设置初始阈值Jth0，且Jth0>0；

步骤503：由切诺夫边界定理可确定随机样本数为整数N；

步骤504：设置初始P(FAR)的值为P(FAR0)且P(FAR0)＝α，α为给定的显著性水平；

步骤505：如果当前阈值下求得的错误警报的估计值满足P′(FAR)≤P(FAR)-∈的条件，则输出当前阈值并结束，其中P′(FAR)为错误警报的估计值；

步骤506：如果不满足步骤505的条件，则令Jth＝Jth0+Δ，P′(FAR)＝P(FAR0)-Δ，并返回步骤505直到迭代次数小于N-1则结束；

阈值确定以后，若T2≤Jth，则轨道交通车辆受电弓无故障；

若T2＞Jth，则轨道交通车辆受电弓出现故障。

6.一种轨道交通车辆受电弓的分布式故障检测装置，其特征在于，所述装置包括：数据获取模块，用于轨道交通车辆的受电弓划分为多个节点，每个节点都设置传感器用来检测相应信息，采集各受电弓设备上的原始数据；

数据降维模块，用于将本地节点跟相邻节点的原始数据进行降维处理，得到降维后的数据；

奇异分解模块，用于利用降维后的数据构建系统矩阵并利用系统矩阵估计协方差矩阵，对该协方差矩阵进行奇异值分解得到奇异矩阵；

检验统计模块，用于利用奇异矩阵设计残差生成器并构建检验统计量T2进行在线监测；

阈值更新模块，用于利用面对非高斯过程的故障检测阈值设置方法实时求解阈值Jth，若T2≤Jth，则轨道交通车辆受电弓无故障，若T2＞Jth，则轨道交通车辆受电弓出现故障。

7.根据权利要求6所述的一种轨道交通车辆受电弓的分布式故障检测装置，其特征在于，所述数据降维模块还用于：假设样本集为Xn*m，每行一个样本，样本的数目为n，特征维度为m；m个特征之间的协方差矩阵为：求出此协方差矩阵的特征值λi和特征向量ρi，并将特征值按从大到小的顺序进行排列：λ1≥λ2≥…≥λk≥λk+1≥…≥λm，将各特征向量按照对应的特征值重新进行排列，则Zm*m＝[ρ1,ρ2,…,ρm]；令前k个从大到小的特征值构成对角矩阵Sk*k且Sk*k＝diag(λ1,λ2,…λk)，k个对应的特征向量组成降维矩阵Pm*k且Pm*k＝[ρ1,ρ2,…,ρk]。

8.根据权利要求7所述的一种轨道交通车辆受电弓的分布式故障检测装置，其特征在于，所述奇异分解模块还用于：假设测量向量u来自本地节点，yi是来自邻域的节点，其中i＝1，……，n-1，节点i收集mi维信号yi的测量值，假设所有的yi在m维度上产生y；令U用一个l×N的测量矩阵来表示，其矩阵在其列中包含N个u的测量值，同样，Y用m×N的测量矩阵来表示，假设测量次数足够多，因此系统矩阵Σu，Σy，Σuy可以用以下公式近似表示：则有协方差矩阵其中上标符号表示对矩阵求平方根再求其逆矩阵；

对矩阵K进行奇异值分解可得K＝τΣβT，其中τ＝(μ1,…μl)∈Rl×l，β＝(v1,…vm)∈Rm×m，μ1,…,μl和v1,…vm是对应的奇异向量，奇异矩阵∑k＝diag(p1,p2,…pk)∈Rk×k，其中p1,p2,…pk表示的是奇异值，奇异值与特征值的关系如下式所示：i∈1,…,k，特征值是按照从大到小的顺序进行排列：λ1≥λ2≥…≥λk。

9.根据权利要求8所述的一种轨道交通车辆受电弓的分布式故障检测装置，其特征在于，所述检验统计模块还用于：通过公式设计一个残差生成器，其中，其中∑k＝diag(p1,p2,…pk)∈Rk×k，τ’∈Rl×k，β’∈Rm×k；

根据残差生成器，利用公式构建检验统计量，其中，

10.根据权利要求9所述的一种轨道交通车辆受电弓的分布式故障检测装置，其特征在于，所述阈值更新模块还用于：步骤501：假设错误警报的概率P(FAR)∈(0,1)并且有δ∈(0,1)，令∈>0且满足条件P(FAR)-∈>0，迭代容忍度Δ>0，其中，P(FAR)＝prob(T2>Jth|f＝0)；

步骤502：设置初始阈值Jth0，且Jth0>0；

步骤503：由切诺夫边界定理可确定随机样本数为整数N；

步骤504：设置初始P(FAR)的值为P(FAR0)且P(FAR0)＝α，α为给定的显著性水平；

步骤505：如果当前阈值下求得的错误警报的估计值满足P′(FAR)≤P(FAR)-∈的条件，则输出当前阈值并结束，其中P′(FAR)为错误警报的估计值；

步骤506：如果不满足步骤505的条件，则令Jth＝Jth0+Δ，P′(FAR)＝P(FAR0)-Δ，并返回步骤505直到迭代次数小于N-1则结束；

阈值确定以后，若T2≤Jth，则轨道交通车辆受电弓无故障；

若T2＞Jth，则轨道交通车辆受电弓出现故障。