1.一种用于车机自动化测试设备的故障分析方法，其特征在于：包括，

采集车机自动化测试设备的车机测试数据，并按照时间序列存储至测试数据库；

通过构建的深度学习模型对所述测试数据库进行特征提取，生成故障特征向量；

将所述故障特征向量输入至构建的故障诊断模型，生成故障类型判定结果及故障概率值；

根据所述故障类型判定结果及故障概率值，从预设故障修复策略库中筛选对应的故障修复方案，并将所述故障修复方案按照故障概率值由高到低排序形成故障处理报告。

2.如权利要求1所述的用于车机自动化测试设备的故障分析方法，其特征在于：所述预设故障修复策略库包括硬件修复策略子库、软件修复策略子库和操作指导策略子库；所述故障处理报告的形成方法为，基于所述故障类型判定结果在对应策略子库中检索修复指令集，其中所述修复指令集包括故障处理步骤、修复参数配置和修复工具选择；

根据所述故障概率值对所述修复指令集中的处理步骤标注执行优先级；

将标注优先级后的修复指令集按照所述故障概率值由高到低排序，生成故障处理报告，其中所述故障处理报告包括故障现象描述、故障原因分析、修复步骤清单、所需工具列表以及预估修复时间。

3.如权利要求2所述的用于车机自动化测试设备的故障分析方法，其特征在于：根据所述故障概率值对所述修复指令集中的处理步骤标注执行优先级，包括：当故障概率值大于第一阈值时，则将所述修复指令集中的处理步骤标注为紧急处理级；

当故障概率值小于等于第一阈值且大于第二阈值时，则将所述修复指令集中的处理步骤标注为优先处理级；

当故障概率值小于等于第二阈值时，则将所述修复指令集中的处理步骤标注为常规处理级。

4.如权利要求2所述的用于车机自动化测试设备的故障分析方法，其特征在于：所述故障诊断模型采用改进梯度提升决策树结构进行监理；所述改进梯度提升决策树结构包括主干决策网络和辅助验证网络；所述主干决策网络由若干决策树组成，且每棵决策树深度设置为8层；所述辅助验证网络采用三层全连接结构；所述故障类型判定结果的生成方法为，通过所述主干决策网络将所述故障特征向量划分为硬件故障特征子集、软件故障特征子集和操作故障特征子集，分别计算各子集的故障类型得分，具体公式如下：其中，Scorek为第k类故障特征子集的得分，为第k类故障特征子集中第j个叶子节点的预测权重值，T为决策树总数，为第k类故障中第t棵树的权重系数，Xk为第k类故障特征子集输入向量，ft()为第t棵决策树的预测函数，γk为第k类故障特征子集的特征重要性权重，Corr()为子集内特征相关性调整系数；

基于预置的历史故障案例库，通过所述辅助验证网络计算特征相似度矩阵；

将所述故障类型得分和所述特征相似度矩阵进行加权融合，生成故障类型判定结果，其中所述故障类型判定结果包括硬件故障码、软件故障码和操作故障码；

对所述故障类型判定结果进行概率归一化处理，输出各类故障概率值，其中所述故障概率值反映故障发生的置信度。

5.如权利要求4所述的用于车机自动化测试设备的故障分析方法，其特征在于：所述故障特征向量的生成方法为，所述深度学习模型包括多层卷积神经网络和长短期记忆网络，其中所述多层卷积神经网络含有三层卷积层和两层池化层；所述长短期记忆网络设置记忆单元；

通过所述多层卷积神经网络对测试数据库中的硬件运行参数进行空间特征提取，生成硬件特征张量；

同时通过所述长短期记忆网络对软件异常日志和人工操作记录进行时序特征提取，生成软件操作特征张量；

将所述硬件特征张量和所述软件操作特征张量输入注意力机制层，计算得出关键特征得分，其中所述关键特征得分指示硬件异常、软件故障和操作失误的相关程度；

基于所述关键特征得分对所述硬件特征张量与所述软件操作特征张量进行特征融合，形成故障特征向量，其中所述故障特征向量中每个维度对应一种潜在故障特征。

6.如权利要求5所述的用于车机自动化测试设备的故障分析方法，其特征在于：所述测试数据库包括车机测试数据；所述车机测试数据包括硬件运行参数、软件异常日志和人工操作记录；所述硬件运行参数包括中央处理器使用率、内存占用量、硬盘读写速率、系统总线带宽以及电源管理状态；所述软件异常日志包括应用程序崩溃记录、系统服务异常信息和资源调度冲突信息，所述人工操作记录包括触控指令序列、按键操作时序和语音控制命令。

7.如权利要求6所述的用于车机自动化测试设备的故障分析方法，其特征在于：所述测试数据库的获取方法为，通过数据采集卡将所述硬件运行参数转换为数字信号，经由数据采集模块对所述硬件运行参数、所述软件异常日志和所述人工操作记录进行规范化处理，生成车机运行状态信息；

将所述车机运行状态信息按照统一时间戳格式写入测试数据库中的时序数据表。

8.一种用于车机自动化测试设备的故障分析系统，基于权利要求1～7任一所述的用于车机自动化测试设备的故障分析方法，其特征在于：包括，采集模块，用于采集车机自动化测试设备的车机测试数据，并按照时间序列存储至测试数据库；

特征提取模块，用于通过构建的深度学习模型对所述测试数据库进行特征提取，生成故障特征向量；

生成模块，用于将所述故障特征向量输入至构建的故障诊断模型，生成故障类型判定结果及故障概率值；

分析处理模块，用于根据所述故障类型判定结果及故障概率值，从预设故障修复策略库中筛选对应的故障修复方案，并将所述故障修复方案按照故障概率值由高到低排序形成故障处理报告。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1～7任一所述的用于车机自动化测试设备的故障分析方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1～7任一所述的用于车机自动化测试设备的故障分析方法的步骤。