1.一种电子设备故障阈值检测的方法，其特征在于，包括：

获取用于训练生成电子设备标准工作指标的基础训练数据；其中，所述基础训练数据包括以固定频率采样到的所述电子设备运行工作的采样数值；所述采样数值所属的工作指标与所述标准工作指标所属的工作指标相同；

根据分组周期对所述基础训练数据进行分组，并根据时间顺序确定每一组的序号；

通过计算每一基础训练数据组的时域特征值，判断该基础训练数据组是否属于故障组，并记录故障组的组序号；

根据故障组的组序号，从分组后的基础训练数据中提取训练样本组；所述训练样本组包括的基础训练数据组的组序号是连续的，且均不属于故障组；

根据所述训练样本组，计算生成用于判定所述电子设备运行是否存在故障的标准工作指标。

2.根据权利要求1所述的方法，其特征在于，所述通过计算每一基础训练数据组的时域特征值，判断该基础训练数据组是否属于故障组，并记录故障组的组序号包括以下步骤，算每一组的基础训练数据的方差以及均值，作为每一组基础训练数据的物理特征值，记录落入物理特征值偏差范围的基础训练组的序号若记录的组序号记录在标准之下，则判定该组序号对应的基础训练数据组属于故障所在组。

3.根据权利要求1所述的方法，其特征在于，根据所述训练样本组，计算生成用于判定所述电子设备运行是否存在故障的标准工作指标包括以下步骤，根据非线性状态评估算法，对训练样本组中的每一基础训练数据组进行计算获得故障阈值；

根据所述故障阈值，判断在所述测试样本组中判定为存在故障的基础训练数据组的组序号是否与记录的组序号是否一致；

若是，则以所述故障阈值作为判定所述电子设备运行是否存在故障的标准工作指标。

4.根据权利要求3所述的方法，其特征在于，所述根据非线性状态评估算法，对训练样本组中的每一基础训练数据组进行计算获得故障阈值，具体包括：所述测试样本组中的任一时刻的数据为观测向量；

提取若干个所述训练样本组中的历史观测向量；

将所述若干个历史观测向量构建记忆矩阵；

将所述观测向量输入至所述记忆矩输出得到预测向量；

计算除所述故障所在组时刻的观测向量外每一观测向量以及与其对应的预测向量的差值，确定所处差值中最大的差值为所述故障阈值。

5.根据权利要求4所述的方法，其特征在于，所述观测向量与所述预测向量的关系表达式为 其中，yest为所述预测向量，yest为所述观测向量，D为所述记忆矩阵。