1.一种基于物联网的智慧工厂设备监控方法，其特征在于，包括以下步骤：S1：从物联网框架获取设备的多源传感器数据，并对所述多源传感器数据中的数据进行预处理，得到所述设备的实时运行数据集；

S2：通过所述实时运行数据集，确定所述设备的健康量化偏差值和健康状态趋势值，若所述健康量化偏差值超出预设的阈值，则记录为所述设备的异常事件，同时记录所述异常事件的起点坐标并标记所述异常事件触发时间戳；

S3：获取所述异常事件触发时间戳与所述设备的实时运行数据集，通过图网络建模技术分析设备邻接距离值与关联关系权重值，得到所述设备间的依赖矩阵；

S4：利用长短时记忆网络融合所述健康状态趋势值与所述异常事件触发时间戳，确定潜在风险的发生概率；

在所述步骤S3后，还包括步骤S301：

针对依赖矩阵，采用传播分析算法计算传导路径长度值，依据所述异常事件起点坐标、关联关系权重值和权重衰减系数，判断故障传播速度值与路径优先级排序。

2.根据权利要求1所述的一种基于物联网的智慧工厂设备监控方法，其特征在于，所述多源传感器数据中的数据包括：通过数据清洗技术采集到的温度异常波动值、振动峰值频率数和电流突变时间点。

3.根据权利要求2所述的一种基于物联网的智慧工厂设备监控方法，其特征在于，所述通过所述实时运行数据集，确定所述设备的健康状态趋势值包括：针对所述实时运行数据集，采用滑动窗口算法计算健康量化偏差值，依据所述温度异常波动值、所述振动峰值频率数和所述电流突变时间点的加权组合，确定设备的健康状态趋势值。

4.根据权利要求1所述的一种基于物联网的智慧工厂设备监控方法，其特征在于，还包括所述步骤S3后的步骤S302：从所述路径优先级排序中提取初始影响半径值，通过贝叶斯网络对所述异常事件起点坐标与故障传播速度值进行分析，得到分级响应概率值。

5.根据权利要求4所述的一种基于物联网的智慧工厂设备监控方法，其特征在于，还包括以下步骤：S5：通过所述潜在风险的发生概率，采用动态可视化技术生成态势图，依据健康量化偏差值、传导路径长度值、分级响应概率值的综合映射与映射权重调整值，得到设备的动态监控视图。

6.根据权利要求5所述的一种基于物联网的智慧工厂设备监控方法，其特征在于，还包括以下步骤：S6：从动态监控视图中提取初始影响半径值超出预设范围的高风险区域，通过反馈控制算法调整设备邻接距离值内的传感器数据采集频率，得到更新后的实时运行数据集。

7.根据权利要求1所述的一种基于物联网的智慧工厂设备监控方法，其特征在于，所述通过所述实时运行数据集，确定所述设备的健康状态趋势值包括以下步骤：S201：通过滑动窗口算法从实时运行数据集中提取时间序列特征，得到特征提取集；

S202：依据特征提取集，采用加权组合方法融合温度异常、振动峰值、电流突变的数据，得到融合特征集；

S203：从融合特征集中计算偏差值分布，采用均值平滑技术处理分布中的噪声，得到平滑偏差集；

S204：针对平滑偏差集，若偏差值超出预设的阈值，则通过时间点分析确定突变位置，得到突变定位集；

S205：根据突变定位集，采用时间序列分析获取健康状态的动态变化，得到状态变化集；

S206：通过状态变化集，计算健康量化的趋势值分布，得到趋势分布集；

S207：采用线性回归算法从趋势分布集中预测设备健康状态的未来变化，得到预测趋势集。

8.根据权利要求6所述的一种基于物联网的智慧工厂设备监控方法，其特征在于，所述步骤S6具体包括以下步骤：S601：通过动态监控提取初始影响数据，得到影响分布集；

S602：根据影响分布集计算影响半径值，得到半径特征集；

S603：若半径特征集中值超出预设范围，则确定高风险区域，得到风险分布集；

S604：针对风险分布集采用反馈控制算法调整邻接距离参数，得到距离调整集；

S605：通过距离调整集更新传感器数据采集频率，得到频率分布集；

S606：根据频率分布集获取实时运行数据，得到运行更新集；

S607：针对运行更新集与预设范围对比，若偏差超出阈值，则采用决策树算法优化调整方向，得到方向集。

9.一种基于物联网的智慧工厂设备监控系统，其特征在于，用于执行如权利要求1至8任一项所述的基于物联网的智慧工厂设备监控方法。