1.一种多模式的退化过程建模及剩余寿命预测方法，其特征在于：包括如下步骤：步骤1：分别在等间隔采样时刻t0,t1,t2,...,tk收集设备退化数据x0,x1,x2,...,xk，其中，采样间隔为τ，k为采样个数；

步骤2：根据变点检测方法，检测历史退化过程的斜率变化点，记为γ1,γ2,...γj,γj+1...；

步骤3：以步骤2中得到的点γj和γj+1为端点得到退化段，根据下式计算该退化段的斜率 并将此斜率 作为第j个退化段的特征值；

计算每个退化段的特征值的局部密度ρj，并计算比局部密度更大的特征值的最小距离δj，其中局部密度ρj根据式(1)计算：其中，dc为截断距离，dji＝|ηi-ηj|，函数χ(·)定义如下：根据下式(3)计算最小距离δj：

步骤4：若ρj和δj分别大于相应的阈值，则以斜率变化点γj和γj+1为端点得到的线段是一个聚类中心，按照这种方法，将得到的聚类中心数量记为N，即由斜率变化点分割得到的线段按照其斜率可以聚为N类，将采样时刻u的退化模式记为Φ(u)，并令 并将退化模式变化的时间点记为c1,c2,...；

步骤5：建立退化模型：

其中，X(0)为退化过程初始值，λ[Φ(u)]为漂移项系数，假设 σH为扩散项系数，BH(t)为标准分形布朗运动，退化模式Φ(u)是一个转移率矩阵为Q的连续时间Markov链；

步骤6：根据 估计连续时间Markov链的转移率矩阵Q中的qj和qij：其中，mj为tk时刻之前退化模式到达并停留在第j个模式的次数，mij为tk时刻之前退化模式从个第i个模式转移到第j个模式的次数， 为第i次到达第j个模式的停留时间；

步骤7：估计退化过程的Hurst指数H：

其中，θ1,θ2,...,θp为基于Symlets小波函数的小波分解高通滤波器系数，p为该小波函数消失矩阶数；E(·)为数学期望；

步骤8：分别估计第i段退化模式下的漂移项系数λ[Φ(u)]的估计值λi：其中，Ii是一个ci+1-ci维的列向量，其每个元素均为1，是一个ci+1-ci维的协方差矩阵，其第i行第j列的元素为步骤9：分别估计每种退化模式下的漂移项系数λ[Φ(u)]的期望 及方差其中，λj,i是第i次到达第j个退化模式时得到的漂移项系数估计值；

步骤10：估计扩散项系数σH：

其中， 是一个k维的

协方差矩阵，其第i行第j列的元素为

步骤11：令 利用蒙特卡洛方法，得到Ω[Φ(tk),lk]的数值分布

步骤12：对于给定的失效阈值ω，退化过程首达时间的近似分布为：其中，λmin＝min{λ(1),λ(2),…,λ(N)}，λmax＝max{λ(1),λ(2),…,λ(N)}，其中，Γ(·)为Gamma函数。

2.根据权利要求1所述的多模式的退化过程建模及剩余寿命预测方法，其特征在于：在步骤2中，具体包括如下步骤：步骤2.1：初始化参数，令γ1＝0，i＝1，iγ＝1，选择两个变点间的最小间隔mτ，以及变点检测的阈值ωβ；

步骤2.2：计算从上一个变点到第i个点的退化段的斜率，如果i-iγ＞m，根据式(14)计算当前段的斜率ηi，并令i＝i+1：步骤2.3：计算第i个点的变点检测指标β(i)：步骤2.4：判断第i个点的变点检测指标β(i)是否超过阈值ωβ，如果β(i)＞ωβ，则xi是一个变点，令iγ＝iγ+1，步骤2.5：如果i≤k，则令i＝i+1，然后执行步骤2.2。

3.根据权利要求1所述的多模式的退化过程建模及剩余寿命预测方法，其特征在于：在步骤11中，具体包括如下步骤：步骤11.1：选择蒙特卡洛样本数量n，初始化参数i＝1，步骤11.2：生成n个服从[0,1]上的均匀分布的随机数rj；

步骤11.3：对于第j个蒙特卡洛样本序列，令i＝i+1，vi+1,j＝s，其中，s满足为经过时间τ退化模式由第vi,j个模式变换到第w个模式的概率，如果i＜lk/τ，则返回步骤11.2，否则执行步骤11.4；

步骤11.4：统计每一个蒙特卡洛样本序列在(tk,tk+lk)时间区间内在每个模式下停留的总时间长度，记为步骤11.5：计算Ω[Φ(tk),lk]的数值分布当 成立时， 否则