1.一种基于云计算的在线监测数控车床冷却系统，其特征在于，包括冷却单元，监测单元，数据库，评估单元，智能调控处理中心，显示单元，报警单元，远程监控平台和自主学习进化单元；

所述冷却单元包括液冷系统和风冷系统，所述液冷系统和风冷系统用于对数控车床发热部位以及铣刀加工部位进行冷却降温散热；

所述监测单元为温度传感器，所述温度传感器检测冷却单元的实时温度，并将实时温度数据发送至数据库中进行存储；

所述数据库用于存储各项数据，其包括标准指标库、温度监测库、智能调控执行库、监控平台指令库和评估结论库；

所述评估单元用于将监测单元监测的实时数据与标准指标库中的数据进行比对，获得异常数据，通过异常数据给出风险等级的判定，并将判定结果发送至智能调控处理中心；

所述智能调控处理中心根据风险等级智能分析并向冷却单元发出调整指令，以及通过传输模块向远程监控平台送警报信息；

所述显示单元用于显示监测单元监测得到的温度变化数值、评估单元得出的风险等级情况以及智能调控处理中心发出来的指令或者警报信息，所述显示单元包括现场监控屏、远程监控屏和手持监控终端；

所述报警单元用于对数控车床温度异常情况发出报警信息，包括现场警报和远程警报；

所述远程监控平台用于接收、查看、修正智能调控处理中心发送的调控指令数据；

所述自主学习进化单元根据每次风险处理操作进行自主式学习，通过程序演算出现的异常数据消除的最佳方式，记录每次最佳的操作和时机，并在下次出现同样异常数据时预估原因并快速验证原因，给出建议性决策并执行决策，逐步智能化，减少人工排查解决的次数；

所述现场警报为声光报警器，所述远程警报包括APP弹窗报警和发送短信报警。

2.根据权利要求1所述的一种基于云计算的在线监测数控车床冷却系统，其特征在于，所述监测单元还包括高清摄像头，所述高清摄像头安装于数控车床发热部位以及铣刀加工部位。

3.根据权利要求1所述的一种基于云计算的在线监测数控车床冷却系统，其特征在于，所述标准指标库存储有数控车床正常运行情况下的温度数据；所述温度监测库存储有数控车床实际运行情况下的各项实时温度数据，所述智能调控执行库用于存储其发出的调控、警报命令；所述监控平台指令库用于存储其发出的决策性指令；所述评估结论库用于存储评估单元作出的判定操作过程以及风险等级。

4.根据权利要求1所述的一种基于云计算的在线监测数控车床冷却系统，其特征在于，所述风险等级包括低风险、中风险和高风险。

5.根据权利要求1或4所述的一种基于云计算的在线监测数控车床冷却系统，其特征在于，所述智能调控处理中心依据风险等级发出冷却单元功率调整指令、停机保护指令和发出警报指令。

6.根据权利要求5所述的一种基于云计算的在线监测数控车床冷却系统，其特征在于，所述异常数据的数量占比低于10％为低风险，占比介于10％‑30％为中风险，占比高于30％高风险。

7.根据权利要求6所述的一种基于云计算的在线监测数控车床冷却系统，其特征在于，若所述风险等级判定为低风险，智能调控处理中心发出冷却单元功率调整指令；若所述风险等级判定为中风险，智能调控处理中心在低风险的基础上进一步作出发送警报指令，通过警报单元报警；若所述风险等级判定为高风险，智能调控处理中心直接停机，对数控车床进行保护，等待人工排查消除异常数据。

8.根据权利要求1所述的一种基于云计算的在线监测数控车床冷却系统，其特征在于，所述显示单元包含的现场监控屏、远程监控屏和手持监控终端均安装有配套app，所述配套app显示有实时温度数据、标准指标数据、异常数据提醒标注、风险等级、智能调控处理中心给出的决策指令和自主学习进化单元给出的预估原因及建议性决策；所述配套app可进行人工指令操作。

9.根据权利要求1所述的一种基于云计算的在线监测数控车床冷却系统，其特征在于，还包括：

异常预测模块，用于基于之前预设时间段内所述温度传感器检测冷却单元的实时温度获得的多个实时温度值进行异常预测；

所述异常预测模块执行如下操作：整合各所述实时温度值，获得温度值记录数据；

建立触发特征数据库，基于特征提取技术提取所述温度值记录数据的多个第一特征，将所述第一特征与所述触发特征数据库中的第二特征进行匹配；

若存在匹配符合，触发异常预测，获取匹配符合的所述第一特征与对应所述第二特征之间的匹配度；

将所述匹配度最大值对应的匹配符合的所述第一特征作为目标特征；

确定所述目标特征对应于所述温度值记录数据中的第一目标数据，获取所述第一目标数据的产生时刻；

获取当前时刻，计算所述产生时刻和所述当前时刻之间的时间差值；

查询预设的异常预测模型对照表，确定所述时间差值对应的异常预测模型；所述的异常预测模型对照表具体为：包含多个对照栏，每个对招揽包含一个时间差值和异常预测模型，用于基于时间差值，对照查询异常预测模型；

获取所述温度值记录数据中所述第一目标数据前预设第一数量的第二目标数据，获取所述温度值记录数据中所述第一目标数据后预设第二数量的第三目标数据；所述预设第二数量大于所述预设第一数量；

将所述第一目标数据、第二目标数据和第三目标数据输入所述异常预测模型，获得异常预测结果，所述异常预测结果包括：多个预测值以及与所述预测值一一对应的权重；

从所述异常预测结果中筛选出全部满足预设的第一条件的所述预测值，作为第一筛选集合，所述第一条件包括：所述权重大于等于预设的权重阈值；

从所述异常预测结果中筛选出全部满足预设的第二条件的所述预测值，作为第二筛选集合，所述第二条件包括：所述权重小于所述权重阈值且所述权重与所述权重阈值的差值在预设的差值范围内；

筛选完毕后，将所述异常预测结果中其余全部所述预测值作为第三筛选集合；

基于所述第一筛选集合、第二筛选集合和所述第三筛选集合计算判定指数，计算公式如下：

其中，cl为所述判定指数，σ1,i为所述第一筛选集合中第i个所述预测值，n1为所述第一筛选集合中所述预测值的总数目，σ2,i为所述第二筛选集合中第i个所述预测值，n2为所述第二筛选集合中所述预测值的总数目，σ3,i为所述第三筛选集合中第i个所述预测值，n3为所述第三筛选集合中所述预测值的总数目，O为预设的预测值阈值，α1,i为中间变量；

当所述判定指数大于等于预设的判定指数阈值时，判定即将发生异常，完成异常预测，对用户进行相应提醒。

10.根据权利要求9所述的一种基于云计算的在线监测数控车床冷却系统，其特征在于，所述异常预测模块建立触发特征数据库，具体执行如下操作：通过预设的获取路径获取异常大数据，所述异常大数据包括：多个历史异常数据；

对所述历史异常数据进行解析，确定所述历史异常数据的异常类型以及所述异常数据中的异常发生节点；

获取所述历史异常数据中所述异常发生节点前和/或后预设第三数量的第四目标数据；

提取所述第四目标数据的多个第三特征；

对所述第三特征进行解析，确定特征类型；

查询预设的关联特征对照表，确定与所述异常类型和所述特征类型共同对应的至少一个关联特征；

获取预设的空白数据库，将所述第三特征和对应所述关联特征填充至所述空白数据库；

当全部需要填充至所述空白数据库的所述第三特征和对应所述关联特征均填充完毕后，完成所述触发特征数据库的建立。