1.一种电机数据库的建立方法，其特征在于，包括以下步骤：步骤1：人为输入通过实验和现场测试得到的实时数据，不断去修正故障影响因子的数据；

步骤2：测取实时数据，将实时数据输入作为历史数据的当前量存入数据库；同时，将实时数据输入到故障预测模型；

步骤3：数据库内部将实时数据与历史数据进行转换计算后再存储；

步骤4：故障预测模型结合数据库的历史数据和输入的实时数据，进行故障分析，数据分析结果同时持续反输入数据库，并在数据库中进行转换后再存储；

步骤5：针对数据库中数据的存储形式，采用“一机一模”的数据库架构，即利用先验知识初步判断电机故障，同时通过在线的方式不断自我更新数据库参数；

步骤6：利用显示器屏幕显示实时故障预测模型的分析结果；

所述步骤3，数据库中不仅存储有电机稳态参数、瞬态参数和通过前级数据转换模块获取的时域畸变量及各次谐波含量，而且还包含在数据库中二次加工过的数据，如三次谐波含量与基波含量比、谐波含量与基波含量比、基波边带含量与基波含量比参数；针对二次处理的数据，考虑了异步电动机中负载变化引起的转差偏移及谐波含量的关联波动；同时，数据库参数分为两套存储机构，分别针对工频和变频数据存储；

假设数据库中关于时间轴正向畸变量和反向畸变量的样本集分别为 和，针对新的输入值   ，利用公式（1）计算各个数据的平均值，利用公式（2）获得实时数据与平均值之间的差值，利用公式（3） 获得各个样本数据之间的最大差值，比较样本最大差值数据与实时数据的差值，当实时数据的差值大于样本最大差值数据时，更换样本数据，同理计算新的输入值 ；

                                      （1）                                      （2）                    （3）

利用公式（4）计算正向畸变量和反向畸变量的相关度 R，该值反应因变量的全部变异能自回归的比例；

            （4）。

2.根据权利要求1所述电机数据库的建立方法，其特征在于，所述步骤5中，自我更新数据库参数过程分为两种，一种为更新统一的先验数据，另一种为针对单个电机个体，更新其故障参数信息。