1.基于電磁軸承監(jiān)測的主氦風機智能維護決策方法，其特征在于：包括，
2.如權利要求1所述的基于電磁軸承監(jiān)測的主氦風機智能維護決策方法，其特征在于：所述預處理包括，邊緣計算節(jié)點采用自適應多尺度融合的方法對電磁軸承振動數(shù)據(jù)進行預處理，對振動信號進行l(wèi)層小波包分解，得到2l個子帶系數(shù)序列，對每個子帶l(l＝1,2,...,2l)計算方差varl和偏度skewl：
3.如權利要求2所述的基于電磁軸承監(jiān)測的主氦風機智能維護決策方法，其特征在于：所述構建時空關聯(lián)圖包括，云端采用圖神經(jīng)網(wǎng)絡對電磁軸承各監(jiān)測參數(shù)時間序列構建時空關聯(lián)圖，通過端到端的表征學習提取綜合反映軸承健康狀態(tài)的低維隱變量；將監(jiān)測參數(shù)構建為一個無向圖g＝(v,e)，頂點集v表示各參數(shù)時間序列{vi,i＝1,2,...,n}，邊集e表示參數(shù)間的關聯(lián)強度，迭代更新t輪后得到頂點的隱層表示為：
4.如權利要求3所述的基于電磁軸承監(jiān)測的主氦風機智能維護決策方法，其特征在于：所述聯(lián)邦主動遷移學習框架包括，云端采用聯(lián)邦主動遷移學習框架，在不直接共享原始監(jiān)測數(shù)據(jù)的前提下，自適應地優(yōu)化和校正跨設備、跨工況的健康評估模型，并通過主動學習策略持續(xù)提升模型性能；
5.如權利要求4所述的基于電磁軸承監(jiān)測的主氦風機智能維護決策方法，其特征在于：所述時空序列異常檢測模型包括，云端采用時空序列異常檢測模型，從時間和空間兩個維度捕獲電磁軸承早期故障的微弱征兆；結合長短時記憶網(wǎng)絡lstm建模時間依賴，卷積神經(jīng)網(wǎng)絡cnn提取空間特征，構建時空異常分數(shù)函數(shù)：
6.如權利要求5所述的基于電磁軸承監(jiān)測的主氦風機智能維護決策方法，其特征在于：所述時空因果注意力機制包括，云端采用時空因果注意力機制實現(xiàn)可解釋的維護決策推理，綜合監(jiān)測參數(shù)的時間依賴和因果關系，生成與故障狀態(tài)匹配的歸因式?jīng)Q策序列；設定監(jiān)測參數(shù)時間序列數(shù)據(jù)為x＝{x1，x2，…，xt}，因果圖為gc，通過圖注意力網(wǎng)絡建模參數(shù)間的空間依賴：
7.如權利要求6所述的基于電磁軸承監(jiān)測的主氦風機智能維護決策方法，其特征在于：所述web可視化平臺包括，采用動態(tài)dashbord形式集成展示各監(jiān)測參數(shù)趨勢圖、健康指數(shù)儀表盤、故障關聯(lián)網(wǎng)絡、維護決策樹，用戶通過交互菜單選擇關注的設備、測點和時間段，系統(tǒng)根據(jù)查詢條件實時生成可視化視圖，平臺嵌入vr/ar組件，實現(xiàn)主氦風機三維全景建模，并將故障部位以熱度圖的方式疊加渲染，直觀呈現(xiàn)設備內部狀態(tài)；
8.一種采用如權利要求1～7任一所述的基于電磁軸承監(jiān)測的主氦風機智能維護決策方法的系統(tǒng)，其特征在于：包括現(xiàn)場數(shù)據(jù)采集單元、邊緣計算單元、云計算單元、web可視化平臺；
9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)權利要求1至7中任一項所述的方法的步驟。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)權利要求1至7中任一項所述的方法的步驟。