1.一种机车制动系统部件的故障预测方法，其特征在于，包括：获取所述机车制动系统部件当前的输入运行条件；获取所述机车制动系统部件在所述输入运行条件下的状态参数变量的理论值和实际值；根据所述理论值和所述实际值在预设的健康状态数据库中进行匹配查找；确定所述机车制动系统部件当前的健康状态等级；调用预先建立的所述机车制动系统部件的隐马尔可夫模型；计算所述机车制动系统部件在各个预设未来时段结束时由当前的健康状态等级转换为各个健康状态等级的预测概率值；根据各个所述预测概率值，从各个所述预设未来时段中预测所述机车制动系统部件的故障发生时段；其中，所述根据各个所述预测概率值，从各个所述预设未来时段中预测所述机车制动系统部件的故障发生时段包括：将第三概率值大于第一概率值和第二概率值的首个预设未来时段确定为所述机车制动系统部件的所述故障发生时段；所述机车制动系统部件在预设未来时段结束时的健康状态等级为良好的预测概率值为所述第一概率值，为中等的预测概率值为所述第二概率值，为故障的预测概率值为所述第三概率值；查询预设的所述机车制动系统部件的经验概率数据库；确定与所述故障发生时段对应的第三概率值P 3 的预设平均值P 3 ′ ；确定所述机车制动系统部件与所述预设平均值对应的平均寿命天数D；根据公式 确定所述机车制动系统部件的预测寿命天数T；其中，α为预设系数。
2.根据权利要求1所述的故障预测方法，其特征在于，所述获取所述机车制动系统部件在所述输入运行条件下的状态参数变量的实际值包括：测量所述机车制动系统部件在所述输入运行条件下的可观测状态参数变量的实际值；将所述可观测状态参数变量的实际值代入预先建立的所述机车制动系统部件的工作原理模型；计算所述机车制动系统部件在所述输入运行条件下的不可观测状态参数变量的实际值。
3.根据权利要求1或者2所述的故障预测方法，其特征在于，还包括：根据所述机车制动系统部件的实际运行数据对所述隐马尔可夫模型进行修正。
4.根据权利要求3所述的故障预测方法，其特征在于，在所述确定所述机车制动系统部件当前的健康状态等级之后，还包括：若所述机车制动系统部件当前的健康状态等级为故障，则根据所述状态参数变量的理论值和实际值在预设的故障原因数据库中进行匹配查找；确定所述机车制动系统部件的实际故障原因。
5.根据权利要求4所述的故障预测方法，其特征在于，在所述根据各个所述预测概率值，从各个所述预设未来时段中预测所述机车制动系统部件的故障发生时段之后，还包括：在所述预设未来时段结束时获取所述机车制动系统部件的真实健康状态等级；判断所述真实健康状态等级是否与对应的所述预测概率值匹配；若否，则修正所述预测概率值，以便修正所述故障发生时段。
6.一种机车制动系统部件的故障预测装置，其特征在于，包括：获取模块，用于获取所述机车制动系统部件当前的输入运行条件；获取所述机车制动系统部件在所述输入运行条件下的理论状态参数变量和实际状态参数变量；查找模块，用于根据所述理论状态参数变量与所述实际状态参数变量在预设的健康状态数据库中进行匹配查找；确定所述机车制动系统部件当前的健康状态等级；预测模块，用于调用预先建立的所述机车制动系统部件的隐马尔可夫模型；计算所述机车制动系统部件在各个预设未来时段结束时由当前的健康状态等级转换为各个健康状态等级的预测概率值；根据各个所述预测概率值，从各个所述预设未来时段中预测所述机车制动系统部件的故障发生时段；其中，所述预测模块具体用于将第三概率值大于第一概率值和第二概率值的首个预设未来时段确定为所述机车制动系统部件的所述故障发生时段；所述机车制动系统部件在预设未来时段结束时的健康状态等级为良好的预测概率值为所述第一概率值，为中等的预测概率值为所述第二概率值，为故障的预测概率值为所述第三概率值；所述预测模块还用于：查询预设的所述机车制动系统部件的经验概率数据库；确定与所述故障发生时段对应的第三概率值P 3 的预设平均值P 3 ′ ；确定所述机车制动系统部件与所述预设平均值对应的平均寿命天数D；根据公式 确定所述机车制动系统部件的预测寿命天数T；其中，α为预设系数。
7.一种机车制动系统部件的故障诊断设备，其特征在于，包括：存储器：用于存储计算机程序；处理器：用于执行所述计算机程序以实现如权利要求1至5任一项所述的机车制动系统部件的故障诊断方法的步骤。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用以实现如权利要求1至5任一项所述的机车制动系统部件的故障诊断方法的步骤。
