1.一种影响盾构整机性能的关键部件识别方法，其特征在于包括以下步骤：步骤一、工况聚类：利用工况参数、盾构部件拟定选型相关信息进行工况聚类分析；步骤二、获取基准监测数据集：通过盾构多级评价模型评估历史工程的盾构性能并获取各工况下各部件基准监测数据集；步骤三、部件性能评估：特定工况拟合下各部件的基准监测数据集依次建立其相应的基准高斯混合模型(Benchmark Gaussian Mixture Model，BGMM)；输入新建工程目标监测时刻该部件性能监测数据集获得该时刻对应的高斯混合模型(Gaussian Mixture Model，GMM)；基于新建工程特定工况及部件调用基准高斯混合模型后，利用JS散度(Jensen–Shannon divergence)获得两个模型间的偏离度实现该部件性能退化评估；步骤四、整机性能评估：输入新建工程时序掘进数据，利用盾构多级评价模型进行整机性能评估并绘制盾构掘进指数变化曲线；步骤五、定位关键退化部件：采用sobol灵敏度分析方法(Sobol SensitivityAnalysis)分析各部件性能退化与盾构整机性能退化的相关程度，识别影响盾构整机性能的关键部件；所述步骤五中在盾构掘进指数曲线各处下滑区域内截取各部件性能退化趋势曲线，获取盾构掘进指数集及多维部件性能偏离值集，利用基于方差分解的sobol法实现盾构性能退化与各部件性能退化相关程度的排序，识别影响整机性能退化的关键部件。
2.根据权利要求1所述的一种影响盾构整机性能的关键部件识别方法，其特征在于，所述步骤一中根据地质纵断面图及地质勘察报告选取加权平均土层参数包括天然重度x 1 、黏聚力x 2 、内摩擦角x 3 、压缩模量x 4 、孔隙比x 5 、相对水位x 6 、隧道轴线埋深H及盾构机型和刀盘形式实现工况划分。
3.根据权利要求1所述的一种影响盾构整机性能的关键部件识别方法，其特征在于，所述步骤二中通过盾构多级评价模型获取各类工况下各部件基准监测数据集包含以下步骤：1)盾构多级评价模型中首先利用公式 获得效率指数M，其中F为盾构总推力、T为刀盘扭矩、w为刀盘转速、v为掘进速度；M值取施工区段环均值并进行z-score标准化处理作为评价指标；然后利用专家决策系统选取运维要素作为二级评价指标，包括区段内工期偏离、停机维护时长、关注频次、断面形态，并对其中各要素进行权重配置及分级记分，利用公式 获取区段惩罚系数K，其中x i 为要素分级记分，取值x i ∈(0,1]，ω i 为指标权重；2)获取各类工况下既有工程各区段M与K的乘积记为盾构掘进指数并分别进行正态分布处理，确定各工况盾构掘进指数合理区间并获取合理区间内各部件性能监测参数作为基准监测数据集。
4.根据权利要求1所述的一种影响盾构整机性能的关键部件识别方法，其特征在于，所述步骤三中部件性能评估包含以下步骤：1)通过步骤二获取在各类工况下综合性能最优状态的监测参数数据集后，利用专家系统从复杂监测数据集中确定各部件特征监测参数拟合训练得到的基准GMM模型，不同工况特定部件对应的模型记为 利用最大期望值算法(Expectation maximum，EM)获取模型中的相关参数；2)输入新建工程各部件目标区间的特征监测参数数据集，训练该区间对应的高斯混合模型 设置一定宽度与步长的滑动时间窗以应对监测时刻的变动，实现输入GMM模型中监测参数数据矢量的更新；3)计算由步骤2)获得的各部件的GMM模型与其工况相匹配的各部件基准模型间的JS散度，得到各部件监测时刻参数的分布偏离，实现量化评估各部件的性能退化程度；按照监测时间先后输入偏离值获得各部件性能退化趋势曲线。
