1.一种基于无线传感网的磨机负荷检测方法，其特征在于，包括如下步骤：

步骤一，采取接触式和非接触式两种数据感知方式感知磨机筒体振动信号，所述振动磨机筒体振动信号的数据传输采用层次化分簇的无线网络组织模式；

步骤二，移动节点和固定可充电节点采用边缘计算技术进行数据处理，对磨机原始数据进行预处理，对密集计算任务上载至边缘服务器进行数据处理；

步骤三，所述移动节点和固定可充电节点把预处理结果通过网关上传到云服务器，所述云服务器对预处理数据构建模糊推理模型，并对模糊推理子模型进行选择与合并，最终选择具有最小建模误差的选择性集成模型作为磨机负荷软测量模型，并输出磨机负荷测量值。

2.根据权利要求1所述基于无线传感网的磨机负荷检测方法，其特征在于：步骤一中，所述接触式感知方式通过筒体振动传感器和轴承振动传感器进行感知；所述非接触式感知方式通过振声传感器进行感知。

3.根据权利要求2所述基于无线传感网的磨机负荷检测方法，其特征在于：利用K-mean方法把所述传感器网络分为4个簇，同质传感器节点属于同一簇，根据轴承振动传感器的物理位置关系分为2个簇。

4.根据权利要求1所述基于无线传感网的磨机负荷检测方法，其特征在于：步骤一中，所述层次化分簇的无线网络组织模式的每个簇采用无簇头结构，移动节点或者可充电固定节点承担簇头作用，执行簇的管理任务，簇内节点之间或者簇间节点之间可进行数据转发。

5.根据权利要求4所述基于无线传感网的磨机负荷检测方法，其特征在于，采用Multi-User Multi-armed Bandit技术实现所述簇的中继节点选择，所述中继节点传输数据至网关的单位数据能耗模型如下：其中，E为中继节点的单位数据能耗，Eelec表示电子电路能量损失，εfs表示放大器在自由空间中的能量消耗，εamp放大器在多径信道退化模型中的能量消耗，d表示传输距离，d0是常量且

6.根据权利要求1所述基于无线传感网的磨机负荷检测方法，其特征在于，步骤一中，采用唤醒-休眠机制调用簇内节点的方式进行数据收集，设磨机感知层的节点数量为M，传输层中继节点数量为N，在P(M',N)个组合中选取使得M'被选节点能耗最少的组合如下：式中，kopt(t)是保证磨机感知层所选节点能耗最少的组合集，(m,n)为节点对，为臂(m,n)时刻t的统计次数均值，Tm,n(t)为臂(m,n)时刻t的统计次数，δ∈(0,1)。

7.根据权利要求6所述基于无线传感网的磨机负荷检测方法，其特征在于，所述的最优匹配如下：

式中，令集合S＝{(m,n)|m∈{1,2,…M'},n∈{1,2,…N}}，M'为某时刻t激活节点数，N为中继节点数量， Ei,n为磨机节点i到中继节点n的能耗，Ei,G表示磨机节点i到网关的能耗，ft(S')为帕累托优化集合S'的能量属性函数。

8.根据权利要求1所述基于无线传感网的磨机负荷检测方法，其特征在于：步骤二中，所述预处理为去噪、分类和特征提取。

9.根据权利要求1所述基于无线传感网的磨机负荷检测方法，其特征在于，步骤二中，所述预处理层设计并运行固定可充电中继节点和智能移动端中继节点，预处理层主要对收集数据进行特征提取，包括时域特征、频域特征以及对多组分信号的分解，经过维数简约实现多域特征提取，筒体振动加速度信号的不同的特征均从不同视角表征磨机负荷参数信息，分别提取筒体振动信号的时域特征、频域特征，以及对筒体振动信号进行自适应分解的获得的平稳子信号的时频域特征。

10.根据权利要求1所述基于无线传感网的磨机负荷检测方法，其特征在于，步骤三中，对模糊推理子模型进行选择与合并，包括如下步骤，给定集成子模型数量；基于分支定界和自适应加权融合算法选择集成子模型并计算加权系数；在选择完具有不同子模型数量的最优选择性集成模型后，排序选择具有最小建模误差的选择性集成模型作为最终磨机负荷软测量模型，磨机负荷测定值 由下式计算：式中， 是第jsel个子模型， 为基于第jsel多尺度频谱特征的建立磨机负荷子模型对样本的预测值。