1.一种考虑振动频率集中度的热连轧机故障实时诊断方法，其特征在于，包括如下步骤：S1、基于热连轧机数据，建立频率集中度模型、变形抗力计算模型和关键部件的动力学模型；

所述频率集中度模型公式如下：

其中， 为基频及其倍频的频率集中度； 为原始信号作傅里叶变换后按振幅降序的第i个优势频率， 为 对应的振幅； 判断 中 的倍频关系； 为倍频度，取值为及其倒数， 为倍频容度，取值为 ；

所述变形抗力计算模型公式如下：

其中， 为变形抗力，GFiDjg1为精轧入口温度，GFiDjg2为轧制速度，GFiDjg3为压下量，GFiDjg4为材料力能参数， 为库尔科夫公式，表示各机架轧制温度不同引起的第i机架相对第一机架的变形抗力增量， 为冷却水引起的单位时间温度变化率，L为第i机架板带与冷却水接触的距离； 为井上公式，表示各机架轧制速度不同引起的第i机架相对前一机架的变形抗力增量； 表示各机架相对于压下量不同引起的第i机架相对前一机架的变形抗力增量； 表示各机架金属材料组织变化引起的第i机架相对前一机架的变形抗力增量；

所述关键部件的动力学模型公式如下：

其中， 为系统质量矩阵， 为阻尼矩阵， 为一次刚度矩阵， 为三次刚度矩阵；

为系统各自由度运动的加速度、 为系统各自由度运动的速度、 为系统各自由度运动的位移， 为系统各自由度运动的位移的三次方； 为动态轧制力；

S2、获取热连轧机的历史数据，对所述历史数据进行处理，基于变形抗力计算模型和处理后的历史数据构建轧机生产线数据库；基于变形抗力模型计算历史数据的第一关键参数，基于频率集中度模型计算振动数据的第二关键参数；

S3、对所述历史数据中的辊系状态进行分类，基于所述分类后的辊系状态和所述第二关键参数建立振动评价标准库；

S4、获取实时的实测数据，对所述实测数据进行分析，依据模型求解实测数据的关键参数；

S41、使用频率集中度模型求解关键参数；

S42、判断辊系状态：按照条件一与条件二的并集以及根据电机运行状态作为调整状态条件阈值判断，否则判定为轧制状态；

S43、轧制状态阶段包括：咬钢阶段、过钢阶段、待钢阶段和抛钢阶段；符合条件三为咬钢阶段；符合条件四为待钢阶段；符合条件五为抛钢阶段；否则为过钢阶段；

S44、调整状态阶段包括：压靠过程阶段、换辊冲击阶段和停车阶段；符合条件一为压靠过程阶段；符合条件二为换辊冲击阶段；否则为停车阶段；

S45、取实测振动数据对应的工艺模型数据，确定各机架压下量、轧制速度、轧制力分配及热轧板带牌号；

S46、根据变形抗力计算模型计算板带温度变化规律及不同机架间的变形抗力增量；

所述条件一为：

； ；

其中， 为实测振动信号数据labg(Δti)段的峰峰值， 为实测振动信号数据labg(Δti)段的主频率， 为实测振动信号数据labg(Δti)段的频率集中度； 和 为历史数据l’abg压靠阶段的峰峰值的上下限， 和 为历史数据l’abg压靠阶段的频率集中度的上下限， 为历史数据l’abg段的振动主频率；

所述条件二为：

；

其中， 为实测振动信号数据labg(Δti)段的峰峰值， 为实测振动信号数据labg(Δti)段的频率集中度； 和 为历史数据l’abg换辊冲击阶段的频率集中度的上下限， 为换辊冲击阶段振动峰峰值下限；

所述条件三为：

；

其中， 为实测振动信号数据labg(Δti)段的峰峰值， 为实测振动信号数据labg(Δti)段的频率集中度； 、 为历史数据l’abg咬钢阶段的峰峰值的上下限， 、为历史数据l’abg咬钢阶段的频率集中度的上下限；

所述条件四为：

；

其中， 为实测振动信号数据labg(Δti)段的峰峰值， 为实测振动信号数据labg(Δti)段的频率集中度； 和 为历史数据l’abg待钢阶段的峰峰值的上下限， 、为历史数据l’abg待钢阶段的频率集中度的上下限；

所述条件五为：

；

其中， 为实测振动信号数据labg(Δti)段的峰峰值， 为实测振动信号数据labg(Δti)段的频率集中度； 和 为历史数据l’abg抛钢阶段的峰峰值的上下限， 和为历史数据l’abg抛钢阶段的频率集中度的上下限；

S5、将所述生产线数据库分成子库，选择子库中的数据参与辊系状态评价，基于生产线数据库的基本指标进行实测数据关键参数与历史数据第一关键参数匹配；

S6、基于实测数据关键参数与历史数据第二关键参数对比判断轧机系统状态，与关键部件的动力学模型求解数据对比关键参数判定故障位置。

2.根据权利要求1所述的考虑振动频率集中度的热连轧机故障实时诊断方法，其特征在于，S2包括如下步骤：S21、调取历史数据中的热轧牌号、板带宽度和厚度、轧制速度、轧制力、精轧温度、轧辊直径和材质组成生产线数据库的基本指标；

S22、取工艺模型数据对轧机数据与板带数据匹配，确定各机架压下量、轧制速度、轧制力分配及热轧板带牌号；

S23、根据变形抗力计算模型计算板带温度变化规律及不同机架间的变形抗力增量。

3.根据权利要求1所述的考虑振动频率集中度的热连轧机故障实时诊断方法，其特征在于，S3包括如下步骤：S31、调取轧机振动数据并将辊系状态分类处理：将咬钢阶段、过钢阶段、待钢阶段和抛钢阶段作为轧制状态；将压靠过程阶段、换辊冲击阶段和停车阶段作为调整状态；

S32、根据频率集中度模型分析与工艺模型数据对应的历史振动数据不同状态的各阶段峰峰值、频率集中度 和主频率，建立振动评价标准库；

S33、统计S32中得到振动评价标准库中的数据，在置信区间为0.95的状态下确定区分不同状态各阶段的阈值，得到条件一到条件五的区分阈值作为实测振动数据及其辊系状态的评价标准。

4.根据权利要求1所述的考虑振动频率集中度的热连轧机故障实时诊断方法，其特征在于，S5中，建立子库的步骤包括：S51、根据S45所述的实时数据基本指标作为索引性数据，在偏差允许范围内，筛选S22所述的历史数据库的基本指标和第一关键参数，完成第一次匹配；

S52、根据S51所述的索引性数据优先级建立含有历史数据基本指标、第一关键参数和第二关键参数的数据l’abg组成的历史数据库L’abg的各级子库；

S53、各级子库及其数据l’abg可信度根据S51所述索引性数据的偏差的百分比确定，完成第二次匹配；将l’abg数据及其可信度的子库，组成历史数据子库。

5.根据权利要求4所述的考虑振动频率集中度的热连轧机故障实时诊断方法，其特征在于，S5中，进行实测数据关键参数与历史数据关键参数匹配包括如下步骤：S54、按照第一关键参数相等为第一原则，在L’abg库中选择可信度最高的子库，在所述子库中进一步匹配，得到可信度最高的历史数据l’abg；

S55、对比S51所述的历史数据l’abg，从实测数据labg中提取含有异常振动状态的数据段labg(Δtj)。

6.根据权利要求1所述的考虑振动频率集中度的热连轧机故障实时诊断方法，其特征在于，S6中包括如下步骤：S61、采用关键部件的动力学模型，计算多种系统状态下动力学参数，理论计算轧机系统不同状态下的动力学模型响应labg(Δtk)；

S62、根据频率集中度模型，计算理论模型的动力学响应labg(Δtk)和实测数据labg(Δtj)的峰峰值与频率集中度；

S63、根据峰峰值与频率集中度参数，对实测故障数据段labg(Δtj)与理论模型的动力学模型响应数据labg(Δtk)匹配，实现轧机系统故障位置判断及其可信度评价。

7.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序运行时，执行所述权利要求1至6中任一项权利要求所述的考虑振动频率集中度的热连轧机故障实时诊断方法。