1.基于数据特征提取的风机运行状态监测方法，其特征在于，该方法包括以下步骤：

获取功率数据序列与声音数据序列，将功率数据序列分为若干功率数据段，将声音数据序列分为若干声音数据段；

根据每一声音数据段内声音数据的变化，得到每一声音数据段的噪声强度；根据每一声音数据段内极值点的分布，得到声音数据段的频率；根据每一声音数据段的噪声强度与频率以及每一功率数据段内所有功率数据的均值，得到若干运行数据；

构建三维坐标系，所述三维坐标系包括的三个维度分别为声音数据段的噪声强度与频率，以及功率数据段的功率；将运行数据映射到三维坐标系中得到若干数据点，对三维坐标系中的数据点进行聚类，得到若干类簇；根据每一数据点在每一类簇中的位置以及每一类簇中每一数据点周围数据点的分布，得到每一类簇中每一数据点的异常特征，进而得到每一类簇的异常特征；

获取当前数据；将当前数据与运行数据映射到三维坐标系中得到若干坐标点，对三维坐标系中的坐标点进行聚类，得到当前聚类簇，获取当前聚类簇的异常特征；根据当前聚类簇中的坐标点与类簇中的数据点，得到当前数据的对应类簇；根据当前聚类簇与当前数据的对应类簇的异常特征以及聚类中心点之间的距离，得到当前数据的异常指数，进而对风机进行异常监测；

所述根据每一声音数据段内声音数据的变化，得到每一声音数据段的噪声强度，包括的具体方法为：通过牛顿法，得到第个声音数据段内的极值点；

根据第 个声音数据段内的声音数据的数值及极值点，得到第 个声音数据段的噪声强度的具体计算公式如下：式中， 表示第 个声音数据段的噪声强度， 表示第 个声音数据段内所有极大值的均值， 表示第 个声音数据段内所有极小值的均值， 表示第 个声音数据段内所含声音数据的个数， 表示第 个声音数据段内第 个声音数据的数值， 表示第个声音数据段内所有声音数据的数值的均值， 表示绝对值函数。

2.根据权利要求1所述的基于数据特征提取的风机运行状态监测方法，其特征在于，所述获取功率数据序列与声音数据序列，将功率数据序列分为若干功率数据段，将声音数据序列分为若干声音数据段，包括的具体方法为：通过风机内部采集间隔为 秒的电流传感器与电压传感器，采集风机运行时的电流数据与电压数据；将风机运行时任一采集时间上的电流数据与电压数据的乘积，记为风机运行时该采集时间上的功率数据，得到功率数据序列；所述功率数据序列中每个功率数据对应一个采集时间；

通过风机叶片边框上采集间隔为 秒的声音传感器，采集风机运行时叶片的声音数据，得到声音数据序列；其中，为预设的采样间隔；所述声音数据序列中每个声音数据对应一个采集时间；

将 秒作为一个时间段，根据功率数据序列中每个功率数据对应的采集时间，将功率数据序列分为若干功率数据段；根据声音数据序列中每个声音数据对应的采集时间，将声音数据序列分为若干声音数据段；其中，为预设的时间段的时长。

3.根据权利要求1所述的基于数据特征提取的风机运行状态监测方法，其特征在于，所述根据每一声音数据段内极值点的分布，得到声音数据段的频率，包括的具体方法为：将第 个声音数据段内第 个极值点与第 个极值点的采集时间的间隔，记为第 个声音数据段内第 个极值点的采集时间的间隔；将第 个声音数据段内所有极值点的采集时间的间隔的均值，记为第 个声音数据段内相邻极值点的时间间隔的均值；根据第 个声音数据段内相邻极值点的时间间隔的均值，获取第个声音数据段的频率的计算公式如下：式中， 表示第 个声音数据段的频率， 表示第 个声音数据段内相邻极值点的时间间隔的均值。

4.根据权利要求1所述的基于数据特征提取的风机运行状态监测方法，其特征在于，所述根据每一声音数据段的噪声强度与频率以及每一功率数据段内所有功率数据的均值，得到若干运行数据，包括的具体方法为：将第个功率数据段内所有功率数据的均值，记为第 个功率数据段的功率；

将第 个功率数据段的功率、第 个声音数据段的噪声强度以及第 个声音数据段的频率，作为第个运行数据内的元素，得到第 个运行数据。

5.根据权利要求1所述的基于数据特征提取的风机运行状态监测方法，其特征在于，所述对三维坐标系中的数据点进行聚类，得到若干类簇，包括的具体方法为：将每一数据点与其他数据点间的欧式距离作为距离度量，使用ISODATA聚类算法，将三维坐标系中的数据点聚为若干类簇。

6.根据权利要求1所述的基于数据特征提取的风机运行状态监测方法，其特征在于，所述根据每一数据点在每一类簇中的位置以及每一类簇中每一数据点周围数据点的分布，得到每一类簇中每一数据点的异常特征，包括的具体方法为：式中， 表示第 个类簇内第 个数据点的异常特征， 表示第 个类簇内第 个数据点与聚类中心点的欧式距离， 表示第 个类簇内所含数据点的个数， 表示第 个类簇中第 个数据点的局部密度， 表示第 个类簇中第 个数据点的局部密度， 为以自然常数为底的指数函数， 表示归一化函数；

将第 个类簇内所有数据点的异常特征的均值，记为第 个类簇的异常特征。

7.根据权利要求1所述的基于数据特征提取的风机运行状态监测方法，其特征在于，所述对三维坐标系中的坐标点进行聚类，得到当前聚类簇，包括的具体方法为：将每一坐标点与其他坐标点间的欧式距离作为距离度量，使用ISODATA聚类算法，将坐标系中的数据点聚为若干聚类簇；

将当前数据对应的坐标点所在的聚类簇，记为当前聚类簇。

8.根据权利要求1所述的基于数据特征提取的风机运行状态监测方法，其特征在于，所述根据当前聚类簇中的坐标点与类簇中的数据点，得到当前数据的对应类簇，包括的具体方法为：将与当前聚类簇中所含坐标点的三个坐标相同的数据点，记为当前聚类簇的对应点，得到每一类簇中含有当前聚类簇的对应点的个数；将含有当前聚类簇的对应点最多的类簇，记为当前数据的对应类簇。

9.根据权利要求1所述的基于数据特征提取的风机运行状态监测方法，其特征在于，所述根据当前聚类簇与当前数据的对应类簇的异常特征以及聚类中心点之间的距离，得到当前数据的异常指数，包括的具体方法为：式中，表示当前数据的异常指数， 表示当前聚类簇的异常特征， 表示当前数据的对应类簇的异常特征， 表示当前聚类簇的聚类中心点与当前数据的对应类簇的聚类中心点的欧式距离， 表示 函数。