1.一种基于PRVFLN的气动调节阀并发故障诊断方法，其特征在于，包括以下步骤：步骤A、过程信号的采集

在气动调节阀螺盖上方和气室供气孔处分别安装位移传感器和压力传感器，给定电流输入信号，通过移传感器和压力传感器采集阀门运行过程的气室压力P(t)和阀杆位移d(t)；

步骤B、故障特征的提取：

将样本按照不同阀门开度分为A段数据，然后从包含压力和位移信号共计2A段数据中提取样本特征X，样本特征X包括绝对均值、均方根、均方差、波形指标、峰值因子；

步骤C、并发故障诊断框架的学习：

步骤C.1、计数网络的学习：计数网络采用RVFLN网络，随机选取输入权重aj和偏置bj，选取激活函数h(·)为sigmoid函数，计算隐含层输出矩阵HC，按照下式计算计数网络输出权重矩阵βC：式中，F表示故障个数，学习好的计数网络输出为：m＝fC(X)＝hC(X)βC，其中，m表示预测故障个数，fC(X)表示待测样本的计数网络输出结果，X表示待测样本，hC(X)表示待测样本计数网络的隐含层输出；

步骤C.2、标签网络的学习：标签网络采用引入正则项后的RVFLN网络，随机选取输入权重aj和偏置bj，选取激活函数h(·)为sigmoid函数，计算隐含层输出矩阵HL，按照下式计算标签网络输出权重矩阵βL式中，I表示单位矩阵，T表示标签的向量形式，学习好的标签网络输出为：fL(X)＝hL(X)βL，fL(X)表示待测样本标签网络的输出，X表示待测样本，hL(X)表示待测样本标签网络的隐含层输出，C表示正则化参数；

步骤D、故障诊断：

首先，采集待测阀门运行过程的气室压力P'(t)和阀杆位移d'(t)，提取故障特征向量x'；然后，将提取的故障特征向量输入到步骤C中学习好的并发故障诊断框架，按照m＝fC(X)＝hC(X)βC得到计数网络的输出，即待测阀门的故障种类数；接着，按照fL(X)＝hL(X)βL即得到标签网络的输出，即待测阀门各故障的置信度；最后，通过输出决策函数Label(X)＝argmax{1,2,…,m‑1,m}fL(X)输出最终的并发故障标签，这里输出决策函数表示选择标签网络输出矩阵fL(X)中前m大的标签作为最终输出的并发故障标签序列；

所述步骤B中绝对均值、均方根、均方差、波形指标、峰值因子计算方法如下：步骤B.1、绝对均值

式中，Xmean表示绝对均值，N表示信号的采样点数，xi是信号的时域序列，实际采集到的是连续信号xt的离散点，用xi表示采集到的离散信号的时域序列，xi相当于xt，其中i＝1,

2,…,N；

步骤B.2、均方根

式中，Xrms表示均方根；

步骤B.3、均方差

式中，Xsd表示均方差，表示该段数据的平均值；

步骤B.4、波形指标

式中，XSF表示波形指标；

步骤B.5、峰值因子

式中，XCF表示峰值因子，max(x)表示该段数据的最大值；

所述步骤A中给定电流输入信号大小为4‑20mA；

所述气动调节阀的运行状态有C种，包括1种正常状态、B种单一故障状态和C‑B‑1种并发故障状态；每种状态采集到的气室压力和阀杆位移数据作为一个原始样本；通过不同故障强度采集到同一状态的不同样本，每种状态采集Num个样本，采集的样本总数为N1＝Num*C；

所述标签网络与计数网络是独立学习的，训练集包括单一故障样本集和单一故障和并发故障样本集；单一故障样本集训练正则PVFLN标签网络，输出预测标签置信度标签置信度矩阵，输出最终预测标签；单一故障和并发故障样本集训练PVFLN计数网络，输出预测故障类别数，输出最终预测标签。