1.一种基于数模联动的多轴运动控制系统异常检测方法，其特征在于，包括以下步骤：

1)获取a个传感器下C个周期的数据集为{Uα(j)|0≤α≤a,0≤j≤C×L}；其中，L为每个周期的数据长度，C个周期中包含K个正常周期，R个异常周期，R＝C‑K；

2)针对步骤1)获得的时域信息，利用快速傅里叶变换得到其相应N维的频域信息；较于正常工况，选择异常情况下差异性较大的信息作为特征，可表示为xi(t')，其中1≤i≤N,0≤t'≤C；

3)运用加权方法处理特征xi(t')，得到多轴运动控制系统复合指标Z(t')：其中，xi(t')为t'时刻的第i个特征，wi为第i个特征的融合系数；

4)利用平稳过程刻画多轴运动控制系统复合指标的时变演化趋势：Z(t)＝z(t1)+σ×B(Λ(t))    (2)

其中z(t1)为初始时刻的复合指标量，σ为扩散系数，B(·)表示标准布朗运动，Λ(t)是时间t的单调递增函数，Z(t)具有独立增量，其增量Δz(t)＝z(t+Δt)‑z(t)服从均值为0，2

方差为σ×(Λ(t+Δt)‑Λ(t))的正态分布；

5)针对步骤4)得到的关于Δz(t)的概率密度函数，进一步求解其似然函数的对数形式：

2 2

6)根据极大似然估计方法，对ln(L(σ))求偏导并令偏导为零，可得σ的极大似然估计：

7)正常工况下的随机平稳过程建模完成后，通过设定阈值v实现异常检测，针对两种不同情况，设置分段函数S(t')：其中，y(t')为实际值标签，y(t')＝1时，系统处于正常工况；y(t')＝‑1时，系统发生了异常；若s(t')≥0，则预测多轴运动控制系统是正常；若s(t')＜0，则预测多轴运动控制系统是异常；

8)构建基于改进的huber损失函数，构建表征预测效果的优化目标函数，对融合系数和失效阈值进行反向优化调整，根据步骤7)构建下式优化目标函数：* *

9)利用拟牛顿算法最小化J(W,v)得到最优解{W ,v}，对多源数据融合系数和随机建模中失效阈值进行迭代优化调整,实现特征提取与随机过程建模的交互联动、交叉融合。

2.如权利要求1所述的一种基于数模联动的多轴运动控制系统异常检测方法，其特征在于，步骤3)中，在正常工况下，设定系统对应监测时刻t＝{t1,t2,...,tk,...,tK}，则复合指标对应的观测数据为Z(t)＝{z(t1),z(t2),...,z(tk),...,z(tK)}，其中k＝1,2,...,K。

3.如权利要求1所述的一种基于数模联动的多轴运动控制系统异常检测方法，其特征在于，步骤4)中，基于多源传感数据构建的复合指标对应的观测数据集Z(t)的增量数据集可表示为ΔZ(t)＝{Δz(t2),Δz(t3),...,Δz(tk),...,Δz(tK)}；其中Δz(tk)＝z(tk)‑z2

(tk‑1)；取Λ(t+Δt)‑Λ(t)＝Δt，Δz(t)服从均值为0，方差为σ×Δt的正态分布，则Δz(t)的概率密度函数可表示为：