1.一种故障关系分析的船舶机舱诊断方法，其特征在于，所述方法包括：

获取传感器的燃油消耗和电机状态数据，通过有限状态机算法，根据传感器的燃油消耗和电机状态数据调整工作状态；根据传感器的燃油消耗和电机状态数据，构建燃油消耗分析模型，利用时间序列分析进行故障预测；根据时间序列分析结果，设定船舶故障检测阈值；采用船舶历史故障数据，进行数据预处理得到处理后的故障数据，通过处理后的故障数据使用支持向量机分类故障得到分类后的故障数据，并添加标签得到带标签的故障数据，根据带标签的故障数据构建结构化故障数据库得到存储的历史故障数据，采用存储的历史故障数据并使用Apriori算法分析故障数据库得到故障模式，通过故障模式匹配实时传感器数据与故障模式得到匹配结果，并根据匹配结果预测船舶故障得到预测结果，采用预测结果定期维护故障数据库；实时监测船舶数据并与故障数据库匹配，若数据匹配故障数据库的故障模式，根据故障模式判断是否切换到备用电源；建立一个自适应控制系统，根据电源状态和故障模式，调整自适应控制系统参数，确保船舶的稳定运行；使用自适应控制系统调整后的输出，调整故障检测阈值；若故障检测阈值与自适应控制系统输出不平衡，重新配置系统，提高系统容错能力；

所述使用自适应控制系统调整后的输出，调整故障检测阈值，包括：

通过监测自适应控制系统对电源输出的调整，获取涉及电压、电流、频率和功率参数的变化；根据所述电源输出的变化，确定输出变化的速度和幅度；通过所述输出变化的速度和幅度，制定阈值调整的规则；通过所述规则，获得调整后的故障检测阈值；对比电源参数与调整后的阈值，若超出阈值范围，触发故障检测。

2.根据权利要求1所述的方法，其中，所述获取传感器的燃油消耗和电机状态数据，通过有限状态机算法，根据传感器的燃油消耗和电机状态数据调整工作状态，包括：

采用传感器对电机的工作状态进行实时采集，得到启动状态、运行状态、警告状态或停止状态的数据；通过对传感器数据进行处理，获得去噪声后且补充缺失值的数据；根据处理后的数据，采用有限状态机算法，确定当前的工作状态与下一个工作状态；根据有限状态机算法的输出，得到电机的实时工作状态。

3.根据权利要求1所述的方法，其中，所述根据传感器的燃油消耗和电机状态数据，构建燃油消耗分析模型，利用时间序列分析进行故障预测，包括：

获取船舶的传感器数据，得到燃油消耗和电机状态数据；通过数据预处理，得到去除异常值、平滑噪声并进行标准化后的数据；采用时间序列模型SARIMA，对处理后的数据进行分析，得到燃油消耗的趋势、季节性和周期性；根据分析结果，利用燃油消耗分析模型，通过时间序列分析，输入燃油消耗数据，获得是否存在潜在的故障的预测结果；在系统运行时，不断监测传感器数据的变化，根据燃油消耗分析模型的预测结果，进行故障诊断，若检测到异常，则得到警报和相应的维护措施。

4.根据权利要求1所述的方法，其中，所述根据时间序列分析结果，设定船舶故障检测阈值，包括：

获取船舶传感器数据，得到燃油消耗和电机状态数据；通过数据预处理，得到数据清洗、填补缺失值、去除异常值及平滑噪声后的数据；采用燃油消耗分析模型，对处理后的数据进行分析，得到数据的时间趋势、季节性和周期性；根据分析结果，确定船舶故障检测阈值，并根据阈值，对数据进行实时监测，判断是否存在异常；当监测到数据异常或根据燃油消耗分析模型预测到故障时，得到警报并采取相应的维护措施。

5.根据权利要求1所述的方法，还包括：根据船舶历史故障数据，使用支持向量机对故障进行分类，确定故障类型和严重程度；根据故障类型、相关传感器数据及其关联规则，使用Apriori算法建立故障模式；所述根据船舶历史故障数据，使用支持向量机对故障进行分类，确定故障类型和严重程度，进一步包括：对历史故障数据进行分析和分类，将故障分为电气故障和机械故障两大类；根据故障影响范围，将故障细分为以下子类别，电气故障包括电池故障、充电机故障、发电机故障和电缆故障；机械故障包括发动机故障、传动系统故障、转向系统故障和制动系统故障；对每个故障事件进行标记，标记一般故障或紧急故障，并分配一个权重；输入数据为历史故障数据，通过数据清洗、特征提取和特征选择，得到符合支持向量机算法分类要求的特征矩阵，并将带权标签作为输出；定义故障分类模型构建公式：M＝f(X，Y，CV，参数)，其中，M为构建好的故障分类模型，X为历史故障数据，Y为带权标签，CV为交叉验证，参数为支持向量机算法的参数和核函数；使用支持向量机算法构建故障分类模型，并根据交叉验证和算法调优选择参数和核函数，使用构建好的支持向量机模型对新的故障数据进行分类，在分类结果中得到故障类型、严重程度；将实时的传感器数据输入到支持向量机中，根据支持向量机的分类结果，对实时的传感器数据进行实时预测和诊断，判断是否存在潜在故障风险；若预测出船舶存在故障风险，则发出预警信号，提示维护人员注意存在的故障风险，并采取相应的措施进行维修或预警；

所述根据故障类型、相关传感器数据及其关联规则，使用Apriori算法建立故障模式，进一步包括：获取船舶的传感器数据，包括温度、压力和速度，以及与数据相关的故障信息，包括故障类型、发生时间，对数据进行清洗和预处理，去除异常值和填补缺失值；根据船舶的设计参数和历史数据，确定每个故障类型的阈值；根据历史故障数据，使用Apriori算法生成候选项集，候选项集包含了发生故障的相关传感器数据模式；使用Apriori算法中的关联规则，确定不同传感器数据之间的关联关系；根据确定的关联规则和阈值，建立每个故障类型的模式，每个故障模式都对应一个或多个相关传感器数据的组合和阈值；基于建立的故障模式和阈值，对实时传感器数据进行比较和分析，当传感器数据与某个故障模式相似度大于预设的相似度阈值时，预测船舶将出现该故障；定期检查新的传感器数据与建立的故障模式是否匹配，若不匹配，重新运行Apriori算法更新模型和数据库；根据运行状况调整阈值和相似度阈值，提高预测和诊断的准确性。

6.根据权利要求1所述的方法，其中，所述实时监测船舶数据并与故障数据库匹配，若数据匹配故障数据库的故障模式，根据故障模式判断是否切换到备用电源，包括：

获取船舶的实时数据，并进行数据预处理得到处理后的实时数据，根据处理后的实时数据与故障数据库进行匹配得到匹配结果，若有匹配，通过匹配结果触发电源管理机制得到触发指令，根据触发指令切换到备用电源，再采用切换后的电源状态定期检查并更新故障模式及数据库得到更新后的数据库，通过更新后的数据库在发生故障时记录相关故障信息得到故障记录。

7.根据权利要求1所述的方法，其中，所述建立一个自适应控制系统，根据电源状态和故障模式，调整自适应控制系统参数，确保船舶的稳定运行，包括：

采用电源传感器获取船舶电源状态得到电源状态数据，通过电源状态数据使用自适应算法构建自适应控制系统得到控制指令，根据控制指令和识别的故障模式自动调整控制系统参数得到调整后的控制参数，采用调整后的控制参数在电源出现故障或不稳定状态时，自适应控制系统触发应急措施得到应急响应。

8.根据权利要求1所述的方法，其中，所述若故障检测阈值与自适应控制系统输出不平衡，重新配置系统，提高系统容错能力，包括：

采用设定的故障检测阈值，确定自适应控制系统的输出是否在正常范围内；通过监测所述自适应控制系统的输出，获取与故障检测阈值的关系；当输出与故障检测阈值存在偏离时，启动自动容错重新配置流程；采用资源分配策略，将资源分配给备用系统或部件，确保系统的可用性；根据故障的现状，调整故障检测阈值；在重新配置过程中，发送系统状态的通知；若新的配置出现问题，确保所述系统能够回滚至其之前的稳定状态；持续监测所述系统的性能，以优化容错机制。