1.一种车间数据异常识别的方法，提供一种数据识别系统，所述数据识别系统包括：

监测端，配置有多个监测单元，所述监测单元用于分别监测车间内的压铸工序、冲孔工序以及打磨工序中的加工设备的运行数据并生成监测数据，监测数据包括第一监控数据、第二监控数据以及第三监控数据，第一监控数据包括与压铸工序对应的第一电流数据、第一电压数据、位移数据以及压力数据；第二监控数据包括与冲孔工序对应的第二电流数据、第二电压数据、温度数据以及速度数据；第三监控数据包括与打磨工序对应的第三电流数据、第三电压数据、转速数据以及振动频率数据；每一监测数据分别携带有特征标识；

接收端，用于接收来自监测端的监测数据；

特征数据库，所述特征数据库包括加工设备以及加工设备的运行数据对应的特征标识，每一监测数据携带的特征标识对应一个加工设备的运行数据来源；

第一数据库，所述第一数据库包括压铸工序中的加工设备以及加工设备的运行数据对应的第一基准数据区间，所述第一基准数据区间包括第一电流数据区间、第一电压数据区间、位移数据区间以及压力数据区间；

第二数据库，所述第二数据库包括冲孔工序中的加工设备以及加工设备的运行数据对应的第二基准数据区间，所述第二基准数据区间包括第二电流数据区间、第二电压数据区间、温度数据区间以及速度数据区间；

第三数据库，所述第三数据库包括打磨工序中的加工设备以及加工设备的运行数据对应的第三基准数据区间，所述第三基准数据区间包括第三电流数据区间、第三电压数据区间、转速数据区间以及振动频率数据区间；

处理端，连接于特征数据库、第一数据库、第二数据库以及第三数据库,并配置有分类模块以及数据判断模块，所述分类模块用于识别监测数据对应的加工设备的运行数据来源，所述数据判断模块配置有第一数据判断策略、第二数据判断策略以及第三数据判断策略，所述第一数据判断策略用于判断压铸工序中的加工设备的各个监测数据是否异常，所述第二数据判断策略用于判断冲孔工序中的加工设备的监测数据是否异常，所述第三数据判断策略用于判断打磨工序中的各个加工设备的监测数据是否异常；

其特征在于：包括如下步骤：

步骤S1,监测端的监测单元监测压铸工序中的压铸机的运行数据并生成第一监测数据，并将第一监测数据发送至接收端，接收端将第一监测数据反馈至处理端；

步骤S2,处理端接收到第一监测数据，分类模块根据第一监测数据上携带的特征标识，从特征数据库中筛选与该特征标识对应的压铸机的运行数据来源；

步骤S3,数据判断模块根据压铸机的运行数据来源从第一数据库中筛选对应的第一基准数据区间；

步骤S4,数据判断模块中的第一数据判断策略判断第一监测数据是否落入第一基准数据区间内，当第一监测数据落入第一基准数据区间时，输出第一数据正常的识别结果；当第一监测数据未落入第一基准数据区间时，输出第一数据异常的识别结果。

2.根据权利要求1所述的一种车间数据异常识别的方法，其特征在于：所述第一数据判断策略还包括第一数据判断子策略，所述第一数据判断子策略包括第一判断阈值和第二判断阈值，且第一判断阈值小于第一基准数据区间的最小值，且第二判断阈值大于第一基准数据区间的最大值。

3.根据权利要求2所述的一种车间数据异常识别的方法，其特征在于：还包括步骤S4-

1，当输出数据异常的识别结果时，所述第一数据判断子策略判断第一监测数据是否落入第一判断阈值和第一基准数据区间的最小值之间的形成的区间内，当第一监测数据落入该区间时，输出数据低风险异常的识别结果；当第一监测数据未落入该区间时，输出数据高风险异常的识别结果。

4.根据权利要求2所述的一种车间数据异常识别的方法，其特征在于：还包括步骤S4-

2，当输出数据异常的识别结果时，所述第一数据判断子策略判断第一监测数据是否落入第二判断阈值和第一基准数据区间的最大值之间的形成的区间内，当第一监测数据落入该区间时，输出数据低风险异常的识别结果；当第一监测数据未落入该区间时，输出数据高风险异常的识别结果。

5.根据权利要求1所述的一种车间数据异常识别的方法，其特征在于：所述处理端还包括数据区间修改模块，所述数据区间修改模块配置第一修改策略和第二修改策略，当第一数据判断策略输出第一监测数据中的位移数据异常时，修改模块根据预设的第一修改策略修改第二基准数据区间中的速度数据区间，并生成速度修改数据区间；当第一数据判断策略输出第一监测数据中的压力数据异常时，修改模块根据预设的第二修改策略修改第二基准数据区间中的温度数据区间，并生成温度修改数据区间。

6.根据权利要求5所述的一种车间数据异常识别的方法，其特征在于：还包括步骤S5-1,监测端的监测单元监测冲孔工序中的冲孔机的运行数据并生成第二监测数据，并将第二监测数据发送至接收端，接收端将第二监测数据反馈至处理端；

步骤S5-2,处理端接收到第二监测数据，分类模块根据第二监测数据上携带的特征标识，从特征数据库中筛选与该特征标识对应的冲孔机的运行数据来源；

步骤S5-3,数据判断模块根据压铸机的运行数据来源从第二数据库中筛选对应的第二基准数据区间；

步骤S5-4-1，当第一数据判断策略输出第一监测数据正常时，第二数据判断策略判断第二监测数据是否落入第二基准数据区间内，当第二监测数据落入第二基准数据区间时，输出第二数据正常的识别结果；当第二监测数据未落入第二基准数据区间时，输出第二数据异常的识别结果；

步骤S5-4-2，当第一数据判断策略输出第一监测数据中的位移数据异常时，第二数据判断策略判断第二监测数据中的速度数据是否落入速度修改数据区间内，当速度数据落入速度修改数据区间时，输出速度数据正常的识别结果；当速度数据未落入速度修改数据区间时，输出速度数据异常的识别结果；

步骤S5-4-3，当第一数据判断策略输出第一监测数据中的压力数据异常时，第二数据判断策略判断第二监测数据中的温度数据是否落入温度修改数据区间内，当温度数据落入温度修改数据区间时，输出温度数据正常的识别结果；当温度数据未落入温度修改数据区间时，输出温度数据异常的识别结果。

7.根据权利要求6所述的一种车间数据异常识别的方法，其特征在于：所述数据区间修改模块配置第三修改策略和第四修改策略，当第二数据判断策略输出第二监测数据中的速度数据异常时，修改模块根据预设的第三修改策略修改第三基准数据区间中的振动频率数据区间，并生成振动频率修改数据区间；当第二数据判断策略输出第二监测数据中的温度数据异常时，修改模块根据预设的第四修改策略修改第三基准数据区间中的转速数据区间，并生成转速修改数据区间。

8.根据权利要求7所述的一种车间数据异常识别的方法，其特征在于：还包括步骤S6-1,监测端的监测单元监测打磨工序中的打磨机的运行数据并生成第三监测数据，并将第三监测数据发送至接收端，接收端将第三监测数据反馈至处理端；

步骤S6-2,处理端接收到第三监测数据，分类模块根据第三监测数据上携带的特征标识，从特征数据库中筛选与该特征标识对应的打磨机的运行数据来源；步骤S6-3,数据判断模块根据打磨机的运行数据来源从第三数据库中筛选对应的第三基准数据区间；

步骤S6-4-1，当第二数据判断策略输出第二监测数据正常时，第三数据判断策略判断第三监测数据是否落入第三基准数据区间内，当第三监测数据落入第三基准数据区间时，输出第三数据正常的识别结果；当第三监测数据未落入第三基准数据区间时，输出第三数据异常的识别结果；

步骤S6-4-2，当第二数据判断策略输出第二监测数据中的速度数据异常时，第三数据判断策略判断第三监测数据中的振动频率数据是否落入振动频率修改数据区间内，当振动频率数据落入振动频率修改数据区间时，输出振动频率数据正常的识别结果；当振动频率数据未落入振动频率修改数据区间时，输出振动频率数据异常的识别结果；

步骤S6-4-3，当第二数据判断策略输出第二监测数据中的温度数据异常时，第三数据判断策略判断第三监测数据中的转速数据是否落入转速修改数据区间内，当转速数据落入转速修改数据区间时，输出转速数据正常的识别结果；当转速数据未落入转速修改数据区间时，输出转速数据异常的识别结果。

9.根据权利要求1所述的一种车间数据异常识别的方法，其特征在于：所述压铸工序中的压铸机的各个监测数据对应的第一基准数据区间不同。

10.根据权利要求3所述的一种车间数据异常识别的方法，其特征在于：每一不同第一监测数据对应的第一判断阈值和第二判断阈值均不同。