1.一种开关电源滤波电容多模态故障检测方法,其特征在于，结合残差学习的思想，构建了一种更深层次的CNN网络结构，通过搭建一种分级式CNN网络模型使得故障诊断兼顾开关电源运行的工作模态，能够更佳有效的提取故障的信息特征；具体包括以下步骤：步骤S1：采集开关电源在多种工作模态下滤波电解电容失效百分比数据构成数据集，并将其划分为训练数据、验证数据和测试数据然后对数据进行归一化处理；

步骤S2：首先，对不同模态下的不同故障类型进行定义和标签；然后，第一层级构建一个模态识别CNN模型；再在第二层级针对各模态分别构建故障诊断CNN模型；通过训练集数据标签调整整个网络模型；

步骤S3：将验证集输入到步骤S2中训练好的分级CNN网络模型中，得到预测结果并与标签作对比，并通过微调从而确定网络的最终参数，得到最佳性能的模型；

步骤S4：将测试集输入到步骤S3得到最优模型进行预测并且与真实标签对比，用于衡量该最优模型的性能和分类能力。

2.根据权利要求1所述的一种开关电源滤波电容多模态故障检测方法，其特征在于：步骤S1中所述的数据采集是通过隔离滤波电路进行采集，并且选取电网电压最小周期20ms为一个采样周期，并利用min-max法归一化处理样本数据，其公式为：式中，xmax表示样本数据中的最大值，xmin表示样本数据中的最小值，x为原始数据，x*为归一化处理之后的数据；将处理后的样本数据按照3:1:1的比例随机划分为训练集、验证集和测试集，为后续的模型训练和模型评价做准备。

3.根据权利要求1所述的一种开关电源滤波电容多模态故障检测方法，其特征在于：步骤S2所述的定义故障类型是通过退化实验模拟电容退化，等效替代实体电路的电容来模拟出不同的故障情况，并且通过负载仪使得开关电源工作模态改变，通过与开关电源输入端并联的隔离滤波电路进行采集开关电源对电网反馈信号作为数据集样本。

4.根据权利要求3所述的一种开关电源滤波电容多模态故障检测方法，其特征在于：所述采集的数据分为三种模态并定义标签：开关电源低负载工作模态(1，0)、正常负载工作模态(2，0)和超负载工作模态(3，0)，每个模态下，电容正常的标签为(0，1)、电容失效50％的标签为(0，2)、电容失效75％的标签为(0，3)；后将模态标签与电容失效百分比标签融合得到9种类别数据(1，1)，(1，2)，(1，3)，(2，1)，(2，2)，(2，3)，(3，1)，(3，2)，(3，3)；每种类别取

20000个样本构成数据集，并进行归一化处理。

5.根据权利要求1所述的一种开关电源滤波电容多模态故障检测方法,其特征在于：步骤S2所述的CNN模型是结合残差学习的一种深层CNN模型，分级式连接是网络的根据数据标签进行级联实现。

6.根据权利要求1所述的一种开关电源滤波电容多模态故障检测方法,其特征在于：所述CNN网络模型训练训练过程主要分为两步：a：前馈无监督的预训练，b：反向有监督的微调。

7.根据权利要求6所述的一种开关电源滤波电容多模态故障检测方法,其特征在于：所述的预训练是数据通过CNN网络无监督逐层来提取模态特征和故障特征；反向微调是根据样本的标签，利用反向传播算法对整个网络进行微调，更新整个网络参数θ，最终获得最佳网络模型。

8.根据权利要求1所述的一种开关电源滤波电容多模态故障检测方法,其特征在于：所述步骤S4测试集数据，评估模型正确率超过90％即可认为模型最佳；通过设置阈值的方法，十分钟内每分钟进行10次实际样本采集形成一组新测试样本数据，当该组数据预测结果为同一标签超过90％即可认为预测可靠，否则再重复进行采样。