1.一种基于特征映射的异构信息获取方法，其特征在于，所述方法包括：对各类工业控制系统内的原始数据进行采集，获得原始数据信息；

对所述原始数据信息进行数据降维处理，获得降维后的原始数据信息；

利用特征提取方式对所述降维后的原始数据信息进行数据融合处理，获得融合后的数据信息；

基于时间顺序将所述融合后的数据信息输入融合存储模块进行存储；

所述对各类工业控制系统内的原始数据进行采集，获得原始数据信息，包括：判断所需要的采集的原始数据的采集方式，其中所述采集方式包括接触式采集及非接触式采集；

在判断所需要采集的原始数据的采集方式为接触式采集时，基于接触式采集方式对各类工业控制系统的原始数据进行采集，获得原始数据信息，所述原始数据信息为可记录的数字化信息；

在判断所需要采集的原始数据的采集方式为非接触式采集时，根据实际工业现场条件对非接触式采集设备进行参数优化处理，获得处理后的非接触式采集设备，其中非接触式采集设备包括工业视觉设备、工业遥感设备、工业物理特性转化装置设备；

基于处理后的非接触式采集设备对各类工业控制系统的原始数据进行采集，获得原始数据信息，所述原始数据信息为图像信息；

所述对所述原始数据信息进行数据降维处理，获得降维后的原始数据信息，包括：在所述原始数据信息为接触式采集获得时，对所述可记录的数字化信息进行无损压缩与降维处理，获得降维后的原始数据信息；

在所述原始数据信息为非接触式采集获得时，对所述图像信息进行压缩与降维处理，获得降维后的原始数据信息；其中，对所述图像信息进行压缩与降维处理包括图像去噪、压缩及池化处理；

所述利用特征提取方式对所述降维后的原始数据信息进行数据融合处理，获得融合后的数据信息，包括：将涉及的不同物理要素的降维后的原始数据在去除物理量纲后作为输入数据，并输入数据融合模型中；

将融合分类目标函数作为所述数据融合模型的输出值，获得融合分类结果；

基于神经网络模型在所述数据融合模型内完成所述输入数据与所述融合分类结果之间的融合映射过程，并将融合映射过程中所产生的所有参数作为特征值进行保留，获得融合后的数据信息；

所述融合后的数据信息为无物理量纲的特征值。

2.根据权利要求1所述的异构信息获取方法，其特征在于，所述方法还包括：基于对应的数学模型调用数据模型库内的先验数据模型对所述融合存储模块内存储的融合后的数据信息按照不同类型的特征值进行运算处理，输出计算结果；

判断所述计算结果是否符合预期结果；

若不符合，则基于所述计算结果利用特征提取方式对所述降维后的原始数据信息重新进行数据融合处理，获得融合后的数据信息。

3.根据权利要求2所述的异构信息获取方法，其特征在于，所述对应的数学模型为根据应用场景要求，构建具备所述应用场景要求的运算结构、计算参数、可正常运行及可错误恢复的对应的数学模型。

4.根据权利要求2所述的异构信息获取方法，其特征在于，所述先验数据模型包括对应的数学模型的模板、可调用子函数、函数库及其他具有先验知识的模型类型。

5.一种基于特征映射的异构信息获取装置，其特征在于，所述装置包括：数据采集模块：用于对各类工业控制系统内的原始数据进行采集，获得原始数据信息；

数据处理模块：用于对所述原始数据信息进行数据降维处理，获得降维后的原始数据信息；

数据融合模块：用于利用特征提取方式对所述降维后的原始数据信息进行数据融合处理，获得融合后的数据信息；

数据存储模块：用于基于时间顺序将所述融合后的数据信息输入融合存储模块进行存储；

所述对各类工业控制系统内的原始数据进行采集，获得原始数据信息，包括：判断所需要的采集的原始数据的采集方式，其中所述采集方式包括接触式采集及非接触式采集；

在判断所需要采集的原始数据的采集方式为接触式采集时，基于接触式采集方式对各类工业控制系统的原始数据进行采集，获得原始数据信息，所述原始数据信息为可记录的数字化信息；

在判断所需要采集的原始数据的采集方式为非接触式采集时，根据实际工业现场条件对非接触式采集设备进行参数优化处理，获得处理后的非接触式采集设备，其中非接触式采集设备包括工业视觉设备、工业遥感设备、工业物理特性转化装置设备；

基于处理后的非接触式采集设备对各类工业控制系统的原始数据进行采集，获得原始数据信息，所述原始数据信息为图像信息；

所述对所述原始数据信息进行数据降维处理，获得降维后的原始数据信息，包括：在所述原始数据信息为接触式采集获得时，对所述可记录的数字化信息进行无损压缩与降维处理，获得降维后的原始数据信息；

在所述原始数据信息为非接触式采集获得时，对所述图像信息进行压缩与降维处理，获得降维后的原始数据信息；其中，对所述图像信息进行压缩与降维处理包括图像去噪、压缩及池化处理；

所述利用特征提取方式对所述降维后的原始数据信息进行数据融合处理，获得融合后的数据信息，包括：将涉及的不同物理要素的降维后的原始数据在去除物理量纲后作为输入数据，并输入数据融合模型中；

将融合分类目标函数作为所述数据融合模型的输出值，获得融合分类结果；

基于神经网络模型在所述数据融合模型内完成所述输入数据与所述融合分类结果之间的融合映射过程，并将融合映射过程中所产生的所有参数作为特征值进行保留，获得融合后的数据信息；

所述融合后的数据信息为无物理量纲的特征值。

6.根据权利要求5所述的异构信息获取装置，其特征在于，所述装置还包括：运算处理模块：用于基于对应的数学模型调用数据模型库内的先验数据模型对所述融合存储模块内存储的融合后的数据信息按照不同类型的特征值进行运算处理，输出计算结果；

判断模块：用于判断所述计算结果是否符合预期结果；并在判断不符合时预期结果时，则基于所述计算结果利用特征提取方式对所述降维后的原始数据信息重新进行数据融合处理，获得融合后的数据信息。