1.一种电机设备的运行控制方法，其特征在于，包括以下步骤：

步骤S1：对数控机床内的电机设备在各工况下的运行数据进行实时采集，得到初始运行数据集；

步骤S2：利用初始运行数据集对神经网络模型进行训练，以识别各工况下的谐波特征，生成谐波频谱识别模型，步骤S2包括以下步骤：步骤S21：对初始运行数据集进行分组排序及统一化处理，得到规范化训练数据；

步骤S22：对规范化训练数据进行特征分解，并提取关键特征参数，生成特征数据集；

步骤S23：将特征数据集划分为训练集以及验证集，以构建神经网络模型的输入数据，得到模型训练数据集以及模型验证数据集；

步骤S24：利用模型训练数据集对神经网络模型进行训练，以识别并分类各工况下的谐波特征，得到初步谐波特征模型；

步骤S25：利用模型验证数据集对初步谐波特征模型进行实时验证，得到验证集测试结果；

步骤S26：基于验证集测试结果对初步谐波特征模型进行优化，调整网络层结构、学习率及权重，得到谐波频谱识别模型；

步骤S3：对电机设备的电流及电压信号进行实时采集，并输入至谐波频谱识别模型进行识别，生成动态谐波特性监测数据；将动态谐波特性监测数据与预设阈值进行对比，生成隔离指令，并动态调整电机设备的频率响应范围，得到优化信号响应数据，步骤S3包括以下步骤：步骤S31：对电机设备在运行过程中的电流及电压信号进行实时监测，并进行对数据进行预处理，以提取电流及电压信号的特征参数，生成实时信号特征数据；

步骤S32：将实时信号特征数据输入至谐波频谱识别模型，以识别当前信号的谐波特性，得到动态谐波特性监测数据；

步骤S33：对动态谐波特性监测数据进行提取关键谐波参数，得到动态谐波特性关键参数；

步骤S34：对电机设备的振动频率进行实时记录，并对关键参数进行提取分析，得到实时振动频率关键参数；

步骤S35：基于实时振动频率关键参数，将动态谐波特性关键参数中的谐波频率及谐波频率幅度与预设的振动稳定性阈值进行对比分析，得到稳定性评估报告；

步骤S36：根据稳定性评估报告对谐波是否达到隔离条件进行判断，若超过振动频率阈值，则生成隔离指令，若未超过振动频率阈值，则对电机设备的谐波进行持续监测；

步骤S37：根据隔离指令对当前需要隔离的谐波频率范围及其幅值要求进行确认，生成频率响应范围调整参数；

步骤S38：根据频率响应范围调整参数对电机设备的频率响应模块进行动态配置，得到优化频率响应配置数据；

步骤S39：根据优化频率响应配置数据执行隔离操作，对特定频率范围内的谐波信号干扰进行抑制，生成优化信号响应数据；

步骤S4：根据优化信号响应数据对电机设备中的电机驱动器及散热系统的温度进行实时监测，生成综合热状态监测数据，步骤S4包括以下步骤：步骤S41：根据优化信号响应数据，对数控机床电机设备中电机驱动器的实时温度数据进行采集并记录，生成驱动器热状态监测数据；

步骤S42：将驱动器热状态监测数据与预设的安全温度阈值进行对比，生成热状态阈值比对结果；

步骤S43：基于热状态阈值比对结果，判断是否需要启动电机设备的散热系统，若温度超过阈值，则调节散热系统的风扇转速，生成电机设备散热调控参数；若温度未超过阈值，则继续监测电机设备状态；

步骤S44：将电机设备散热调控参数与优化信号响应数据进行综合分析，生成综合热状态监测数据，步骤S44包括以下步骤：步骤S441：通过温度传感器对电机驱动器的温度进行实时采集，建立温度数据曲线，并利用优化信号响应数据对温度变化趋势进行分析，得到异常热状态信息数据；

步骤S442：将电机设备散热调控参数与实时温度进行对比，并利用风扇转速与温度变化速率的关系对当前散热系统的调控效果进行评估，得到散热调控效果数据；

步骤S443：根据异常热状态信息数据对异常温度进行聚类分析，以识别电机设备过热根因，得到驱动器异常状态报告；

步骤S444：对散热调控效果数据及驱动器异常状态报告进行综合分析，生成综合热状态监测数据；

步骤S5：基于综合热状态监测数据对电机设备驱动器的电流输入参数进行调整，并对散热系统的运行状态进行优化，生成硬件自适应控制参数；

步骤S6：基于硬件自适应控制参数及动态谐波特性监测数据对电机设备的负载动态调整模块进行优化，生成负载适应性优化参数，以提高电机设备运行稳定性。

2.根据权利要求1所述的电机设备的运行控制方法，其特征在于，步骤S1包括以下步骤：步骤S11：在数控机床的电机设备的各工况下对电机的运行参数进行实时监测，得到电机设备的实时运行数据；

步骤S12：对实时运行数据进行数据预处理，得到清洗后的运行数据；

步骤S13：对清洗后的运行数据进行特征提取，以识别各工况下的关键特征参数，生成运行数据特征集；

步骤S14：根据各工况条件对运行数据特征集进行分类及标注，生成初始运行数据集。

3.根据权利要求1所述的电机设备的运行控制方法，其特征在于，步骤S5包括以下步骤：步骤S51：根据综合热状态监测数据对电机设备驱动器的电流输入参数进行实时分析，以识别当前驱动器在各温度条件下的电流需求，生成电流输入参数；

步骤S52：对电机设备驱动器的电流输入参数进行优化调整，以识别电机设备驱动器的最佳工作温度范围，得到电流优化输入调整参数；

步骤S53：基于电流优化输入调整参数对散热系统的运行状态进行实时监测，并对散热系统的风扇速度、冷却液流量进行实时调节，生成散热系统控制参数；

步骤S54：将电流优化输入调整参数及散热系统控制参数进行数据整合，生成硬件自适应控制参数。

4.根据权利要求3所述的电机设备的运行控制方法，其特征在于，步骤S53包括以下步骤：步骤S531：通过传感器对散热系统的参数进行实时采集，并对温度变化进行实时监测，得到散热系统实时监测参数；

步骤S532：将散热系统实时监测参数与电流优化输入调整参数进行对比分析，对风扇速度及冷却液流量的散热效果进行评估，得到散热需求对比结果数据；

步骤S533：基于散热需求对比结果数据对散热系统的风扇转速进行动态调整，得到风扇转速优化数据；

步骤S534：根据风扇转速优化数据对冷却液流量进行适配调整，得到冷却液流量优化数据；

步骤S535：将风扇转速优化数据及冷却液流量优化数据进行数据整合，生成散热系统控制参数。

5.根据权利要求1所述的电机设备的运行控制方法，其特征在于，步骤S6包括以下步骤：步骤S61：根据硬件自适应控制参数对电机设备的负载动态调整模块进行实时分析，以识别电机设备在各负载条件下的性能需求，生成负载性能需求分析数据；

步骤S62：基于负载性能需求分析数据及动态谐波特性监测数据对负载动态调整模块进行优化配置，生成负载优化策略；

步骤S63：将负载优化策略应用于电机设备的控制模块，并实时调整电机设备的转矩及转速，生成负载适应性优化参数，以提高电机设备运行稳定性。

6.一种电机设备，其特征在于，包括机壳、电枢、驱动电路与控制系统，所述电枢部署于所述机壳内，所述驱动电路与电枢电性连接，所述控制系统安装于所述驱动电路内，所述控制系统用于执行如权利要求1所述的电机设备的运行控制方法，所述控制系统包括：运行数据采集模块，用于对数控机床内的电机设备在各工况下的运行数据进行实时采集，得到初始运行数据集；

谐波频谱建模模块，用于利用初始运行数据集对神经网络模型进行训练，以识别各工况下的谐波特征，生成谐波频谱识别模型；

动态谐波监测与优化模块，用于对电机设备的电流及电压信号进行实时采集，并输入至谐波频谱识别模型进行识别，生成动态谐波特性监测数据；将动态谐波特性监测数据与预设阈值进行对比，生成隔离指令，并动态调整电机设备的频率响应范围，得到优化信号响应数据；

热状态监测与管理模块，用于根据优化信号响应数据对电机设备中的电机驱动器及散热系统的温度进行实时监测，生成综合热状态监测数据；

自适应电流与散热控制模块，用于基于综合热状态监测数据对电机设备驱动器的电流输入参数进行调整，并对散热系统的运行状态进行优化，生成硬件自适应控制参数；

负载适应性优化模块，用于基于硬件自适应控制参数及动态谐波特性监测数据对电机设备的负载动态调整模块进行优化，生成负载适应性优化参数，以提高电机设备运行稳定性。