1.一种用于物流输送机的风险模型预测控制方法，其特征在于，所述方法包括：获取输送机振动的原始信号；对所述原始信号进行经验模态分解并筛选获得目标分量信号；

根据所述目标分量信号中相邻极值点的幅值差异和时间间隔获得每个所述目标分量信号的数据变化程度；将频率差异最小的两个目标分量信号作为相邻目标分量信号，根据所有相邻目标分量信号的所述数据变化程度的差异与对应的相邻目标分量信号中数据方差的差异，获得所有所述目标分量信号的整体变化特征；

根据相邻目标分量信号中极值点的个数、目标分量信号的周期和所述整体变化特征获得划分周期；根据所述划分周期对所有所述目标分量信号进行划分获得区间信号；

根据相邻目标分量信号相同时刻的数据值的差异获得相邻目标分量信号的数据差异性；将每个所述目标分量信号中所有区间信号内斜率的均值作为均值特征；根据所有所述相邻目标分量信号的数据差异性和对应的所述均值特征的差异获得所有所述目标分量信号的整体差异性；

获取所有目标分量信号的平均信号周期；根据所述原始信号的幅值获取幅值变化特征；根据所述平均信号周期、所述整体差异性以及所述幅值变化特征获得窗函数参数；

根据代入所述窗函数参数的窗函数对原始信号进行去噪，获得去噪后的振动信号；根据所述去噪后的振动信号对输送机进行异常预测，获得预测结果；

所述窗函数参数的获取方法包括：

获取所述原始信号的平均幅值，将所述原始信号中的最大幅值与所述平均幅值的比值作为所述幅值变化特征；

将所述整体差异性、所述平均信号周期以及所述幅值变化特征的乘积作为所述窗函数参数；其中，所述窗函数为Kaiser窗函数；

所述预测结果的获取方法包括：

根据代入所述窗函数参数的窗函数对所述原始信号进行平滑操作；利用WVD算法对进行平滑操作后的原始信号进行去噪处理获得去噪后的振动信号；

获取所述原始信号的周期，将所述去噪后的振动信号的幅值与所述原始信号的周期的比值作为待检测信号；

当所述待检测信号大于预设判断阈值时，则输送机需要进行检修；

当所述待检测信号小于或者等于预设判断阈值时，则输送机不需要进行检修；

所述数据变化程度的获取方法包括：

将每个所述目标分量信号中相邻极值点的所述幅值差异与对应的所述时间间隔的比值累加作为每个所述目标分量信号的数据变化程度；

所述整体变化特征的获取方法包括：

将相邻目标分量信号的所述数据变化程度的差异与对应的相邻目标分量信号中数据方差的差异相乘，作为所述相邻目标分量信号的变化特征；

将所有相邻目标分量信号的所述变化特征的平均值作为所述整体变化特征；

所述划分周期的获取方法包括：

将所有所述相邻目标分量信号中极值点个数的差异累加作为所有目标分量信号的变化差异；将所述整体变化特征与所述变化差异的乘积进行负相关映射并归一化后作为调节参数；将所述调节参数与所有所述目标分量信号的最小周期的乘积作为所述划分周期；

所述数据差异性的获取方法包括：

将所述相邻目标分量信号中相同时刻的数据值的差异累加并求均值作为所述相邻目标分量信号的数据差异性；

所述整体差异性的获取方法包括：

将所有所述相邻目标分量信号的数据差异性与对应的所述均值特征的差异的乘积求平均并归一化作为所述整体差异性。

2.根据权利要求1所述的一种用于物流输送机的风险模型预测控制方法，其特征在于，所述目标分量信号的获取方法包括：利用经验模态分解算法将所述原始信号进行分解获得频率从高到低排列的分量信号序列；设置预设频率范围，将所述分量信号序列中满足所述预设频率范围的分量信号作为所述目标分量信号。

3.一种用于物流输送机的风险模型预测控制系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1 2任意一项所述方法的步骤。

~