1.基于压缩感知的高频谐振软开关电路故障预测方法，其特征在于，通过以下步骤实现：(1)采样前：

采集特征参数压缩采样模块的输入信号x，输入信号x的长度为Z，其中，Z为正整数；对所述输入信号x进行稀疏变换，计算出稀疏变换基Ψ，计算与所述稀疏变换基Ψ不相关的线性测量矩阵Φ；

(2)采样时：

实时采样特征参数压缩采样模块的输入信号，标记为原始信号x'，原始信号x'经线性测量矩阵Φ进行线性测量后，得到特征参数压缩采样模块的输出信号，标记为采样信号y'，采样信号y'的长度为Z'，Z'小于Z；采样信号y'输入至控制器模块进行信号恢复；

(3)恢复采样信号y'前，计算采样信号y'的稀疏度K'；

(4)恢复采样信号y'，获取恢复信号s'；

(5)计算最大李氏指数λ：

51)以当前的及历史的恢复信号s'为数据基础，构建变量时间序列，所述变量时间序列的长度为N，所述N为正整数；

52)计算所述变量时间序列的嵌入维数M和延迟时间τ；

53)根据嵌入维数M和延迟时间τ重构相空间Yn：

Yn＝(xl,n,xl,n-τ,xl,n-2τ,xl,n-3τ...,xl,n-(M-1)τ)，式中，所述n为N0,N0+1,...,N中的其中1个值，其中，N0＝(M-1)τ+1；

54)找出相空间Yn中每个点Yj的最邻近点Yη(j)，|j-η(j)|大于预设的阈值；

55)计算相空间Yn中每个点Yj的最邻近点Yη(j)对应ii个时间步长后的dj(ii)，dj(ii)＝||Yj-Yη(j)||，所述ii为N0,N0+1,...,N中的其中1个值；

56)计算相空间Yn中每个点Yj对应的lndj(ii)的平均值y(ii)，式中，q为非零dj(ii)的总数，Δt为样本周期；

57)计算最大李氏指数λ：

lndj(ii)＝lndj(0)+λ(iiΔt)≈lndj(0)+λln(iiΔt)，ii＝1,2,...,min(N-N0+1-j,N-N0+1-η(j))；

(6)故障预测：当λ一直保持λ≤0时,高频谐振软开关电路运行正常；当λ值在0附近上下波动时,高频谐振软开关电路运行异常；当λ一直保持λ>0时，高频谐振软开关电路即将发生故障。

2.根据权利要求1所述的基于压缩感知的高频谐振软开关电路故障预测方法，其特征在于：所述特征参数分别为输入电压、输入电流、谐振电感电流、谐振频率、谐振电容电压、输出电压以及输出电流。

3.根据权利要求1所述的基于压缩感知的高频谐振软开关电路故障预测方法，其特征在于：步骤(3)采用正交匹配追踪法计算采样信号y'的稀疏度K'，步骤如下：

31)采集m个采样信号y'，构成m×1的采样信号序列y”，采集特征参数压缩采样模块的输入信号x”，令采样信号y'的稀疏度K＝1，所述m为正整数；

32)为残差r0、索引集Λ0以及支撑集A0赋初始值，残差r0的初始值为采样信号y'，索引集Λ0的初始值为空集，支撑集A0的初始值为空集；

33) 进行第一次迭代，在感知矩阵A＝ΦΨ中寻找与残差r0的内积最大的列所在的位置，式中，aj为感知矩阵A的第j列原子；将索引γ1更新至索引集Λ1中，即Λ1＝Λ0∪{γ1}；将索引γ1对应的原子 更新至支撑集A1中，即 计算采样信号序列y”在支撑集Α1的张成空间上的正交投影，得到稀疏信号θ1＝(Α1TΑ1)-1Α1Ty”，更新残差，r1＝y”-Α1θ1；

34)迭代次数t增1，若符合t≤K，执行步骤35)，否则执行步骤36)；

35) 公式表示：j依次取1,2,......Z'范围中一个值来计算aj与rt-1内积，rt的值等于aj与rt-1内积绝对值为最大时对应的下标j值；进行第t次迭代，在感知矩阵A＝ΦΨ中寻找与残差rt-1的内积最大的列所在的位置，式中，aj为感知矩阵A的第j列原子；将索引γt更新至索引集Λt中，即Λt＝Λt-1∪{γt}，符号∪表示集合并运算；将索引γt对应的原子 更新至支撑集At中，即 符号∪表示集合并运算；计算采样信号序列y”在支撑集Αt的张成空间上的正交投影，得到信号y”在支撑集Αt的张成空间上稀疏表示系数的估计值θt＝(ΑtTΑt)-1ΑtTy”，计算第t次迭代残差rt＝y”-Αtθt；执行步骤34)；

36)从Λt中获取信号y”在支撑集Αt的张成空间上稀疏表示系数的估计值θ'中非零元素的位置索引，θ'矩阵中非零元素为第t次迭代所得的θt，即θ'(Λt)＝θt，θt矩阵是θ'矩阵的子矩阵，θ'其他元素位置值为0，得到信号y”在支撑集Αt的张成空间上表示值θ'；

37)恢复信号s＝Ψθ'；

38)R为不同稀疏度的残差rt的l2范数的集合，Rk为稀疏度K对应的残差rt的l2范数；rt的l2范数是先将rt中所有元素值平方，平方求和后再开方；

39)K增1，若K≤m，执行步骤32)，否则执行步骤399)；

399)找出恢复残差R集合中值最小的元素，该元素对应的K值为采样信号y'的稀疏度K'。

4.根据权利要求1所述的基于压缩感知的高频谐振软开关电路故障预测方法，其特征在于：步骤(4)中，运用正交匹配追踪法恢复采样信号y'，获取恢复信号s'，步骤如下：

41)为残差r0'、索引集Λ0'以及支撑集A0'赋初始值，残差r0'的初始值为采样信号y'，索引集Λ0'的初始值为空集，支撑集A0'的初始值为空集；

42)进行第一次迭代， 式中，aj为感知矩阵A＝ΦΨ的第j列原子；将索引γ1'更新至索引集Λ1'中，即Λ1'＝Λ0'∪{γ1'}；将索引γ1'对应的原子 更新至支撑集A1'中，即 计算采样信号y'在支撑集Α1'的张成空间上的正交投影，得到稀疏信号θ1'＝(Α1'TΑ1')-1Α1'Ty'，更新残差，r1'＝y'-Α1'θ1'；

43)若K'为1，执行步骤45)，否则，迭代次数t'增1，执行步骤44)；

44) 式中，aj为感知矩阵A＝ΦΨ的第j列原子；将索引γt''更新至索引集Λt''中，即Λt''＝Λt'-1'∪{γt''}；将索引γt''对应的原子 更新至支撑集At”中，即 计算采样信号y'在支撑集Αt''的张成空间上的正交投影，得到稀疏信号θt''＝(Αt''TΑt'')-1Αt''Ty'，更新残差，rt''＝y'-Αt''θt''；此时，若t'仍然符合1≤t'≤K'，执行步骤43)，否则执行步骤45)；

45)从Λt''中获取信号y'在支撑集At''的张成空间上稀疏表示系数的估计值θ”中非零元素的位置索引，θ”矩阵中非零元素为第t'次迭代所得的θt''，此时t'＝K'和θt''＝θK'，所以θ”(Λt'')＝θK'，θK'矩阵是θ”矩阵的子矩阵，θ”其他元素位置值为0，得到信号y'在支撑集At''的张成空间上表示值θ”；

46)恢复信号s'＝Ψθ”，对应的残差为rt'；rt'大于预设的阈值时，说明恢复信号s'与原始信号x'差距甚大，本次恢复进程失败，执行步骤41)，否则执行步骤(5)。

5.根据权利要求1所述的基于压缩感知的高频谐振软开关电路故障预测方法，其特征在于：步骤53)中，采样7个特征参数时，根据各嵌入维数和延迟时间重构相空间Yn：式中，所述n为N0,N0+1,...,N中的其中1个值，其中， Mi为第i个时间序列的嵌入维数，τi为第i个时间序列的延迟时间，i为正整数。

6.一种运用权利要求1至5中任意一项所述的基于压缩感知的高频谐振软开关电路故障预测方法的装置，包括高频谐振软开关电路，所述高频谐振软开关电路的输入端与外部直流输入的输出端相连，所述高频谐振软开关电路的输出端与外部负载相连，所述高频谐振软开关电路中含谐振电感和谐振电容，所述谐振电感和谐振电容串联连接，其特征在于：进一步包括特征参数压缩采样模块和控制器模块；所述特征参数压缩采样模块包括矩阵电路，所述矩阵电路的输入端与特征参数采样位置相连，所述矩阵电路的输出端与控制器模块相连。

7.根据权利要求6所述的运用基于压缩感知的高频谐振软开关电路故障预测方法的装置，其特征在于：所述特征参数压缩采样模块包括输入电压压缩采样模块、输入电流压缩采样模块、谐振电感电流压缩采样模块、谐振频率压缩采样模块、谐振电容电压压缩采样模块、输出电压压缩采样模块和输出电流压缩采样模块；上述7个采样模块分别包括有矩阵电路，各矩阵电路的输入端分别与与之对应的采样位置相连，各矩阵电路的输出端分别与控制器模块相连。

8.根据权利要求6所述的运用基于压缩感知的高频谐振软开关电路故障预测方法的装置，其特征在于：进一步包括输入滤波模块；所述输入滤波模块的输入端与外部直流输入的输出端相连，所述输入滤波模块的输入端与输入电压采样模块的输入端相连，所述输入滤波模块的输入端与输入电流采样模块的输入端相连，所述输入滤波模块的输出端与高频谐振软开关电路的输入端相连。

9.根据权利要求6所述的运用基于压缩感知的高频谐振软开关电路故障预测方法的装置，其特征在于：进一步包括输出滤波模块；所述输出滤波模块的输入端与高频谐振软开关电路的输出端相连，所述输出滤波模块的输出端与外部负载相连，所述输出滤波模块的输出端与输出电压采样模块的输入端相连，所述输出滤波模块的输出端与输出电流采样模块的输入端相连。

10.根据权利要求6所述的运用基于压缩感知的高频谐振软开关电路故障预测方法的装置，其特征在于：进一步包括故障报警模块；所述故障报警模块的输入端与控制器模块相连。