1.一种钻进过程故障诊断方法，其特征在于，包括以下步骤：通过钻机传感器获取钻进过程数据集，对所述钻进过程数据集进行预处理，获得预处理后的钻进过程数据集；

通过距离相关性分析方法对所述预处理后的钻进过程数据集进行钻进过程参数的选择与合并，获得k个参数组合；

根据Mann‑Kendall趋势检验和近似熵对各所述参数组合进行时间序列特征提取，获得各所述参数组合对应的特征组合；

通过密度峰值搜索聚类算法对各所述特征组合进行聚类，获得各所述参数组合的聚类结果；

根据各所述参数组合的聚类结果，通过朴素贝叶斯分类器进行故障诊断，获得钻进过程故障诊断结果；

所述通过钻机传感器获取钻进过程数据集，对所述钻进过程数据集进行预处理，获得预处理后的钻进过程数据集，包括：通过钻机传感器，每隔预设时间t采集一次原始钻进过程数据；

收集所有原始钻进过程数据，获得钻进过程数据集；

剔除所述钻进过程数据集中所有原始钻进过程数据的零检测数据，获得预处理后的钻进过程数据集；

所述收集所有原始钻进过程数据，获得钻进过程数据集后，还包括：对所述钻进过程数据集中钻井液迟到时间进行统计分析，获得所述钻进过程数据集中各钻进过程参数的时间序列，其中，各所述时间序列的长度为T分钟，各所述钻进过程参数包含T/t个钻进过程数据点；

所述根据Mann‑Kendall趋势检验和近似熵对各所述参数组合进行时间序列特征提取，获得各所述参数组合对应的特征组合，包括：通过Mann‑Kendall趋势检验提取各所述参数组合中，各钻进过程参数的时间序列的趋势特征，获得全局趋势特征ZX；将所述钻进过程参数的时间序列划分为4个子时间序列，分别提取各所述子时间序列的趋势特征，获得4个局部趋势特征ZX1,ZX2,ZX3,ZX4；通过近似熵提取熵特征AE；

所述参数组合中各钻进过程参数的时间序列提取的特征集合为：{AE,ZX,ZX1,ZX2,ZX3,ZX4}；

通过提取所述全局趋势特征ZX、所述4个局部趋势特征ZX1,ZX2,ZX3,ZX4和所述熵特征AE，获得每个参数组合对应的特征组合；

若参数组合中包含n个钻进过程参数的时间序列，则所述参数组合对应的特征组合有

6*n个特征值；

所述根据各所述参数组合的聚类结果，通过朴素贝叶斯分类器进行故障诊断，获得钻进过程故障诊断结果，包括：所述参数组合的聚类结果为C＝{C1,C2,...,Ck}，作为朴素贝叶斯分类器的输入；

钻进过程故障类型为A＝{A1,A2,A3}＝{井漏,正常,井涌}，作为朴素贝叶斯分类器的输出；

朴素贝叶斯分类器根据贝叶斯原理进行分类，具体公式为：

依次计算获得P(A1|C)，P(A2|C)和P(A3|C)，i＝1,2,3；

将所述P(A1|C)，所述P(A2|C)和所述P(A3|C)中的最大值作为钻进过程故障诊断结果，所述钻进过程故障诊断结果包括：井漏、正常和井涌。

2.根据权利要求1所述的一种钻进过程故障诊断方法，其特征在于，所述预处理后的钻进过程数据集包括：游车高度、钻压、钩载、转速、扭矩、立管压力、入口流量、出口流量、总池体积、泥浆密度、泥浆电导率、入口温度和出口温度中的至少一种钻进过程参数类型。

3.根据权利要求1所述的一种钻进过程故障诊断方法，其特征在于，所述通过距离相关性分析方法对所述预处理后的钻进过程数据集进行钻进过程参数的选择与合并，获得k个参数组合，包括：通过计算获得所述预处理后的钻进过程数据集中各钻进过程参数间的距离相关系数；

选取所述距离相关系数大于0.5的钻进过程参数进行组合，获得k个参数组合。

4.根据权利要求1所述的一种钻进过程故障诊断方法，其特征在于，所述通过密度峰值搜索聚类算法对各所述特征组合进行聚类，获得各所述参数组合的聚类结果，包括：通过密度峰值搜索聚类算法，计算各所述特征组合中，各钻进过程数据点的局部密度及与高密度点之间的距离，从而获得聚类决策变量；

根据所述聚类决策变量通过线性拟合确定阈值,获得各所述特征组合的聚类中心；

将各所述特征组合的其他钻进过程数据点聚类到距离自己最近的聚类中心，获得各参数组合的聚类结果。

5.一种钻进过程故障诊断系统，其特征在于，所述一种钻进过程故障诊断系统包括：数据采集模块，用于通过钻机传感器获取钻进过程数据集，对所述钻进过程数据集进行预处理，获得预处理后的钻进过程数据集；

参数组合模块，用于通过距离相关性分析方法对所述预处理后的钻进过程数据集进行钻进过程参数的选择与合并，获得k个参数组合；

特征提取模块，用于根据Mann‑Kendall趋势检验和近似熵对各所述参数组合进行时间序列特征提取，获得各所述参数组合对应的特征组合；

特征聚类模块，用于通过密度峰值搜索聚类算法对各所述特征组合进行聚类，获得各所述参数组合的聚类结果；

故障诊断模块，用于根据各所述参数组合的聚类结果，通过朴素贝叶斯分类器进行故障诊断，获得钻进过程故障诊断结果；

所述通过钻机传感器获取钻进过程数据集，对所述钻进过程数据集进行预处理，获得预处理后的钻进过程数据集，包括：通过钻机传感器，每隔预设时间t采集一次原始钻进过程数据；

收集所有原始钻进过程数据，获得钻进过程数据集；

剔除所述钻进过程数据集中所有原始钻进过程数据的零检测数据，获得预处理后的钻进过程数据集；

所述收集所有原始钻进过程数据，获得钻进过程数据集后，还包括：对所述钻进过程数据集中钻井液迟到时间进行统计分析，获得所述钻进过程数据集中各钻进过程参数的时间序列，其中，各所述时间序列的长度为T分钟，各所述钻进过程参数包含T/t个钻进过程数据点；

所述根据Mann‑Kendall趋势检验和近似熵对各所述参数组合进行时间序列特征提取，获得各所述参数组合对应的特征组合，包括：通过Mann‑Kendall趋势检验提取各所述参数组合中，各钻进过程参数的时间序列的趋势特征，获得全局趋势特征ZX；将所述钻进过程参数的时间序列划分为4个子时间序列，分别提取各所述子时间序列的趋势特征，获得4个局部趋势特征ZX1,ZX2,ZX3,ZX4；通过近似熵提取熵特征AE；

所述参数组合中各钻进过程参数的时间序列提取的特征集合为：{AE,ZX,ZX1,ZX2,ZX3,ZX4}；

通过提取所述全局趋势特征ZX、所述4个局部趋势特征ZX1,ZX2,ZX3,ZX4和所述熵特征AE，获得每个参数组合对应的特征组合；

若参数组合中包含n个钻进过程参数的时间序列，则所述参数组合对应的特征组合有

6*n个特征值；

所述根据各所述参数组合的聚类结果，通过朴素贝叶斯分类器进行故障诊断，获得钻进过程故障诊断结果，包括：所述参数组合的聚类结果为C＝{C1,C2,...,Ck}，作为朴素贝叶斯分类器的输入；

钻进过程故障类型为A＝{A1,A2,A3}＝{井漏,正常,井涌}，作为朴素贝叶斯分类器的输出；

朴素贝叶斯分类器根据贝叶斯原理进行分类，具体公式为：

依次计算获得P(A1|C)，P(A2|C)和P(A3|C)，i＝1,2,3；

将所述P(A1|C)，所述P(A2|C)和所述P(A3|C)中的最大值作为钻进过程故障诊断结果，所述钻进过程故障诊断结果包括：井漏、正常和井涌。

6.一种钻进过程故障诊断设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的钻进过程故障诊断程序，所述钻进过程故障诊断程序被所述处理器执行时实现如权利要求1至4中任一项所述的一种钻进过程故障诊断方法的步骤。