1.一种基于深度学习的空压机多阀门故障诊断方法，其特征在于，包括：步骤1：采集空压机不同工作状态下各个阀门的运行状态参数以及对应的故障类型，构建样本集；

步骤2：构建基于深度学习的故障监测模型，利用样本集对模型进行训练；

步骤3：利用训练后的故障监测模型监测空压机的当前工作状态；

所述步骤1具体表述为：

步骤1.1：启动空压机，采集空压机正常运行时所有阀门的运行状态参数；

步骤1.2：调节空压机工作状态，再次采集空压机上各个阀门的运行状态参数，不断调整空压机的工作状态，采集空压机的各个阀门在不同工作状态下的运行状态参数；

步骤1.3：选取部分阀门关闭，采集当前空压机上各个阀门的运行状态参数；随机选取若干阀门关停，持续采集空压机上各个阀门的运行状态参数；

步骤1.4：加大空压机工作负载，至空压机达到过载状态，采集空压机过载状态下各处阀门的运行状态参数，调节空压机过载类型与故障状态，持续采集空压机过载条件下各处阀门的运行状态参数；

步骤1.5：调节空压机冷却系统，降低空压机冷却系统工作功率，采集空压机过热条件下各个阀门的运行状态参数，不断调节空压机冷却系统工作功率，使空压机冷却系统处于不同的过热幅度，持续采集空压机当前工作状态下各处阀门的运行状态参数；

步骤1.6：更换部分磨损部件，针对空压机出现不同故障现象，采集不同故障类型下空压机各个阀门的运行状态参数；

步骤1.7：根据步骤1.1～步骤1.6采集的阀门运行状态参数以及对应的空压机运行状态，建立包含空压机工作状态、故障类型与对应阀门运行状态参数之间的样本数据，形成样本集。

2.根据权利要求1所述的一种基于深度学习的空压机多阀门故障诊断方法，其特征在于，所述步骤2具体表述为：步骤2.1：输入空压机各个阀门出现故障情况下的运行状态参数，根据阀门故障下的运行状态参数实现深度学习模型的学习过程；

步骤2.2：选取空压机单个阀门故障的运行状态参数输入深度学习模型，依次更换出现故障的阀门，保证所有阀门出现故障时的运行状态参数均输入深度学习模型，且深度学习模型均能够完成识别，进行深度学习模型的单层训练过程；

步骤2.3：选取空压机任意数量任意位置的阀门出现故障的运行状态参数输入深度学习模型，选取多组不同阀门不同运行状态参数输入深度学习模型，且深度学习模型能够完成识别，进行深度学习模型的多层训练过程；

步骤2.4：继续进行训练，采集空压机实际工作中阀门的运行状态参数，调节空压机阀门工作状态，利用步骤2.3训练后的深度学习模型识别并采集当前运行状态参数与其对应的故障类型，进行深度学习的强化训练过程，经强化训练后得到故障检测模型。

3.根据权利要求1～2任意一项所述的一种基于深度学习的空压机多阀门故障诊断方法，其特征在于，针对每个空压机，采集该空压机上各个阀门的运行状态参数以及对应的空压机运行状态，构建样本集，用于训练深度学习模型作为该空压机的故障监测模型。

4.一种基于深度学习的空压机多阀门故障诊断系统，基于权利要求1所述的一种基于深度学习的空压机多阀门故障诊断方法实现，每台空压机上安装有多个阀门，其特征在于，所述系统包括计算机、控制中心，阀门与计算机电连接，计算机与控制中心无线连接；

所述计算机用于采集每个空压机上阀门的运行状态参数，并传输给控制中心；

所述控制中心用于构建基于深度学习模型的故障监测模型。