1.一种粉罐车卸料过程中故障诊断方法，其特征在于，该方法包括以下步骤：

采集粉罐车在若干个时间段内各检测时刻对应的压力、温度以及气流量；得到各个压力序列、温度序列以及气流量序列；采集取力器在若干个时间段对应的声音波形信号；

将所述声音波形信号与自定义卷积核进行卷积，得到第一特征信号并将其与声音波形信号相乘，得到第二特征信号；根据第二特征信号获取各个时间段对应的取力器向量；

根据所述取力器向量、压力序列、温度序列以及气流量序列，得到各个时间段对应的状态向量，利用状态向量训练One Class SVM向量机，得到训练好的One Class SVM向量机；

将当前时间段对应的状态向量输入到训练好的One Class SVM向量机中，根据输出值判断当前时间段对应的卸料过程是否发生故障；

其中，在训练One Class SVM向量机时，包括调整惩罚系数和确定正常时间段与异常时间段；

所述正常时间段与异常时间段的获取方法为：根据压力序列、温度序列以及标准温度，计算各个时间段对应的内部异常指标；根据各个时间段对应的内部异常指标与取力器向量，确定正常时间段与异常时间段；

所述调整惩罚系数的方法为：计算任意两个内部异常指标之间的欧式距离，根据欧式距离对若干个时间段进行分组，得到多个组；根据取力器向量与气流量序列，计算每一个组内任意两时间段的相似程度；进而计算各个组对应的组间差异；基于组间差异调整惩罚系数。

2.根据权利要求1所述的一种粉罐车卸料过程中故障诊断方法，其特征在于，所述自定义卷积核为 。

3.根据权利要求1所述的一种粉罐车卸料过程中故障诊断方法，其特征在于，所述取力器向量的获取方法为：获取第二特征信号中的各个拐点值，比较各个拐点值与拐点阈值的大小，统计大于拐点阈值对应的拐点值数量；将所述拐点值数量与拐点值的总数量的比值记为异常占比；

将各个拐点值按照从大到小的顺序进行排列，分别按照从前至后与从后至前的顺序依次选取n个拐点值，共得到2n个拐点值；则2n个拐点值与所述异常占比共同构成取力器向量；其中，n大于1。

4.根据权利要求1所述的一种粉罐车卸料过程中故障诊断方法，其特征在于，所述状态向量的获取方法为：获取压力序列对应的最大值，计算温度序列对应的平均值，计算气流量序列对应的方差；获取取力器向量中各个维度的元素，则最大值、平均值、方差以及各个维度的元素共同构成状态向量。

5.根据权利要求1所述的一种粉罐车卸料过程中故障诊断方法，其特征在于，所述内部异常指标为：其中， 为内部异常指标，为压力序列，为温度序列， 为标准温度， 为以e为底的指数函数， 为求取最大值的函数， 为求取平均值的函数。

6.根据权利要求1所述的一种粉罐车卸料过程中故障诊断方法，其特征在于，所述根据各个时间段对应的内部异常指标与取力器向量，确定正常时间段与异常时间段的方法具体为：当时间段对应的内部异常指标为负值且取力器向量中的异常占比大于正常阈值时，则该时间段为正常时间段；反之，该时间段为异常时间段。

7.根据权利要求1所述的一种粉罐车卸料过程中故障诊断方法，其特征在于，所述相似程度为：

其中， 为时间段A与时间段B的相似程度， 为时间段A对应的取力器向量， 为时间段B对应的取力器向量，为时间段A对应的气流量序列， 为时间段B对应的气流量序列； 为求余弦相似度的函数； 为 与 的DTW距离。

8.根据权利要求1所述的一种粉罐车卸料过程中故障诊断方法，其特征在于，所述组间差异的获取方法为：在任意一个组内随机选取一个时间段，计算该时间段与该组内剩余其他时间段的相似程度的累加和，得到该时间段对应的隶属度；进而得到该组内各个时间段对应的隶属度，并将最大隶属度对应的时间段作为该组的代表时间段；进而得到各个组的代表时间段；

计算该组的代表时间段与剩余其他组的代表时间段的相似程度的累加和，得到该组的特征差异性，计算所述特征差异性与该组的代表时间段对应的隶属度的比值，得到该组对应的组间差异。

9.根据权利要求1所述的一种粉罐车卸料过程中故障诊断方法，其特征在于，所述基于组间差异调整惩罚系数的方法：其中，表示第t次惩罚系数的调整值； 表示第t‑1次惩罚系数的调整值；r表示惩罚系数为 时，验证集中One Class SVM向量机的输出结果与实际不一致时的所有样本到超球面的平均距离；w表示验证集的出错率；表示约束参数；表示惩罚系数为 时，验证集中One Class SVM向量机的输出结果与实际不一致时的所有样本所属组对应的组间差异的平均值进行归一化后的值。