1.一种基于数字孪生的数据分类存储方法，其特征在于，所述方法包括：

获取工业设备压合过程中的振动数据和压力数据，所述振动数据和压力数据均为时序曲线数据；

根据所述振动数据中振幅的变化情况，获得振动时段和平稳时段，任选一个振动时段作为目标时段；将所述目标时段在振动数据中对应的数据段作为第一目标数据，根据第一目标数据中所有极值的分布情况，获得每个极值的振动特征系数；

将所述目标时段在压力数据中对应的数据段作为第二目标数据，根据第二目标数据的变化趋势获得波动程度数据；根据所述波动程度数据中所有波峰与第一目标数据中所有极值的振动特征系数的分布差异情况，获得目标时段内机械振动对压力数据的影响程度；根据所有平稳时段对应的压力数据的统计特征、目标时段内机械振动对压力数据的影响程度获得第二目标数据内所有数据点的判断阈值；

根据所有振动时段对应的压力数据内数据点的判断阈值，对所有振动时段对应的压力数据进行异常检测，获得检测结果；根据所述检测结果和所有平稳时段对应的压力数据的统计特征确定所述压力数据是否异常，并为压力数据匹配不同的压缩存储方式；

所述根据第一目标数据中所有极值的分布情况，获得每个极值的振动特征系数，包括：

将所述第一目标数据中的第一个振幅值作为初始振幅，将所述第一目标数据中除初始振幅外的其他振幅值作为衰减振幅；

根据每个所述衰减振幅、初始振幅以及每个衰减振幅和初始振幅之间的时刻差异获得每个衰减振幅的衰减系数；

计算所述第一目标数据中所有衰减振幅的衰减系数的方差，得到衰减差异值；根据所述衰减差异值和每个衰减振幅获得每个衰减振幅的振动特征系数，所述振动特征系数和所述衰减差异值呈负相关，所述振动特征系数和所述衰减振幅呈正相关；其中，所述初始振幅的振动特征系数为预设值。

2.根据权利要求1所述的一种基于数字孪生的数据分类存储方法，其特征在于，所述根据所述振动数据中振幅的变化情况，获得振动时段和平稳时段，包括：将所述振动数据中所有极大值和极小值的绝对值作为所述振幅；

将所述振动数据的所有振幅值按照时序进行曲线拟合，获得振幅曲线；将所述振幅曲线中每个极大值与时序上相邻的后一个极小值之间的时段作为一个振动时段，将所述振幅曲线中每个极小值与时序上相邻的后一个极大值之间的时段作为一个平稳时段。

3.根据权利要求1所述的一种基于数字孪生的数据分类存储方法，其特征在于，所述根据每个所述衰减振幅、初始振幅以及每个衰减振幅和初始振幅之间的时刻差异获得每个衰减振幅的衰减系数，包括：根据所述初始振幅和每个衰减振幅获得每个衰减振幅的衰减因子，所述衰减因子和所述初始振幅的值呈正相关，所述衰减因子和每个衰减振幅的值呈负相关；

根据所述衰减因子和所述时刻差异获得每个衰减振幅的衰减系数，所述衰减因子和所述时刻差异均与所述衰减系数呈正相关。

4.根据权利要求1所述的一种基于数字孪生的数据分类存储方法，其特征在于，所述根据第二目标数据的变化趋势获得波动程度数据，包括：基于最小二乘法对第二目标数据中的数据值进行直线拟合，获得拟合直线；计算所述第二目标数据与所述拟合直线中各个数据点的数值差异，得到每个数据点的波动程度值，根据所有波动程度值获取时序曲线，并将所述时序曲线作为波动程度数据。

5.根据权利要求1所述的一种基于数字孪生的数据分类存储方法，其特征在于，所述根据所述波动程度数据中所有波峰与第一目标数据中所有极值的振动特征系数的分布差异情况，获得目标时段内机械振动对压力数据的影响程度，包括：将所述波动程度数据中所有的波峰按照数值大小进行降序排列，获得波峰数值序列；

将第一目标数据中所有极值的振动特征系数按照振动特征系数数值大小进行降序排列，获得振动数值序列；

依次将所述波动程度数据中每个波峰作为待测数据，在所述第一目标数据中，将与所述待测数据时刻距离最近的极值作为对比点；

计算所述待测数据在波峰数值序列中的序号值和对应对比点在振动数值序列中的序号值的差异，得到待测数据对应的波动振动差异值；计算所述待测数据的时刻与对应对比点的时刻之间的差异，作为待测数据对应的时刻差异值；将所述待测数据的波动振动差异值和时刻差异值的乘积进行负相关映射并归一化，得到待测数据的波动振动一致性；

将所述波动程度数据中所有波峰的波动振动一致性的均值作为目标时段内机械振动对压力数据的影响程度。

6.根据权利要求1所述的一种基于数字孪生的数据分类存储方法，其特征在于，所述根据所有平稳时段对应的压力数据的统计特征、目标时段内机械振动对压力数据的影响程度获得第二目标数据内所有数据点的判断阈值，包括：基于LOF算法与预设K值对所有平稳时段对应的压力数据进行异常检测，得到所有平稳时段对应的压力数据内每个数据点的局部异常因子；

计算所有平稳时段对应的压力数据中所有数据点的局部异常因子的均值，得到均值特征值；将预设异常阈值和所述均值特征值的差值与目标时段内机械振动对压力数据的影响程度的乘积作为调整因子，将所述调整因子与预设异常阈值的和值，作为第二目标数据内所有数据点的判断阈值。

7.根据权利要求1所述的一种基于数字孪生的数据分类存储方法，其特征在于，所述根据所有振动时段对应的压力数据内数据点的判断阈值，对所有振动时段对应的压力数据进行异常检测，获得检测结果，包括：基于LOF算法与预设K值对所有振动时段对应的压力数据进行异常检测，得到所有振动时段对应的压力数据内每个数据点的局部异常因子，将所有振动时段对应的压力数据中所有数据点的局部异常因子与对应的判断阈值进行比较，若小于判断阈值，则数据点为正常数据点，若大于或等于判断阈值，则数据点为异常数据点。

8.根据权利要求6所述的一种基于数字孪生的数据分类存储方法，其特征在于，所述根据所述检测结果和所有平稳时段对应的压力数据的统计特征确定所述压力数据是否异常，并为压力数据匹配不同的压缩存储方式，包括：将所有平稳时段对应的压力数据内每个数据点的局部异常因子与所述预设异常阈值进行比较，若小于预设异常阈值，则数据点为正常数据点，若大于或等于预设异常阈值，则数据点为异常数据点；

若工业设备压合过程中的压力数据中存在异常数据点，则所述压力数据为异常数据，则对所述压力数据进行无损压缩并存储；

若工业设备压合过程中的压力数据中不存在异常数据点，则所述压力数据为正常数据，则对所述压力数据进行有损压缩并存储。

9.一种基于数字孪生的数据分类存储系统，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 8任意一项所述方法的步骤。

~