1.一种基于数据处理的故障分析方法，其特征在于，该方法包括以下步骤：

利用各个传感器采集数控机床的各个关键位置在不同时刻所对应的各个数据；

根据各个时刻内，各个关键位置上的同种传感器采集到的各个数据之间的差异得到各个数据的影响指数，根据各个数据的影响指数得到各种传感器的影响指数矩阵；

以各个关键位置上，各种传感器的各种数据值在各种传感器的影响指数矩阵中对应参数的均值作为各种数据值的参考权重；获取各种传感器的各种数据值中各个数据的采集时间之间的最小时间间隔；以各种传感器的各种数据值的最小时间间隔为周期间隔，根据各种数据值的参考权重以及各种数据值的各个周期性强度指标，得到各种数据值的数据异常系数，各种数据值中各个数据的数据异常系数等于各种数据值的数据异常系数；

根据各个数据的数据异常系数得到各个异常数据，以各个异常数据的采集时刻为故障发生时刻，以各个异常数据对应的位置编号得到数控机床的异常位置；获取各个异常位置上发生不同故障时，各种传感器采集到的各个历史数据；根据各个故障发生时刻各个异常位置上对应的异常数据与各个异常位置的历史数据之间的差异性得到各个异常位置的故障类型；所述各个数据的影响指数的获取表达式为：式中， 为第K个时刻，第i个关键位置上安装的传感器A采集的数据的影响指数；

为第i个关键位置上安装的传感器A采集的数据值，  为第j个关键位置上安装的传感器A采集的数据值；J是数控机床所包含的关键位置的总个数；M是数控机床同种传感器A在正常情况下可以采集到的最大值；

所述各种数据值的数据异常系数的获取方法为：

对于一种目标传感器，将传感器类型为目标传感器时，各种数据值对应的周期性强度指标与各种数据值的参考权重之间的乘积作为在传感器类型为目标传感器时，各种数据值的异常程度；

计算传感器类型为其他传感器时，各种数据值对应的异常程度；将各种数据值在传感器类型为不同传感器时所对应的异常程度的累加值作为各种数据值的数据异常系数；所述各种传感器的各种数据值是指：对于各种传感器在同一个关键位置上的不同时刻采集的所有数据，将数据值大小相同的各个数据称为一种数据值，每种数据值包含多个数据；

所述数据异常系数为：

式中， 表示在 个时刻内采集的第r种数据值的数据异常系数， 是第p个传感器采集的第r种数据值中各个数据之间的最小时间间隔； 表示以第p个传感器采集的第r种数据值的最小时间间隔 为周期间隔时，第p个传感器对应的异常程度； 为各个关键位置上安装的同种传感器在第t1个时刻采集的所有数据的均值； 为各个关键位置安装的同种传感器在第t2个时刻采集的所有数据的均值，且 ；m是数据采集的时刻个数，即共采集量m个时刻，P是各个关键位置上安装的传感器种类数， 为求方差函数； 表示第 p个传感器第r种数据值中的各个数据，在该传感器的影响指数矩阵中对应参数的平均值； 表示保证所述采集时刻不超过采集时刻的总个数m；

所述各个异常数据的获取方法为：

当各个数据对应的数据异常系数小于预设阈值时，各个数据为正常数据；当各个数据对应的数据异常系数大于等于预设阈值时，各个数据为异常数据。

2.根据权利要求1所述的一种基于数据处理的故障分析方法，其特征在于，所述各种数据值的各个周期性强度指标的获取方法为：对于一个关键位置上的一个传感器，获取在所述关键位置上，所述传感器采集的所有数据中，采集时间间隔等于对应周期间隔的各个时间对；以各个时间对中各个时刻内，与所述传感器类型相同的传感器在所有关键位置上采集的数据之间的均值，计算各个时间对中各个时刻对应的均值之间的差值；将各个时间对所对应的差值之间的方差作为传感器类型为所述传感器时，各种数据值的周期性强度指标；计算所述关键位置上，传感器类型为其他传感器时，各种数据值的周期性强度指标，得到各种数据值的各个周期性强度指标。

3.根据权利要求1所述的一种基于数据处理的故障分析方法，其特征在于，所述根据各个故障发生时刻各个异常位置上对应的异常数据与各个异常位置的历史数据之间的差异性得到各个异常位置的故障类型的方法为：计算各个故障发生时刻各个异常位置上各种传感器对应的各个异常数据，计算各个异常位置上，各种传感器对应的异常数据以及数控机床存在各种故障类型时，各种传感器对应的历史数据之间的欧式距离，将所有传感器对应的欧式距离进行累加，将所得结果作为各个故障发生时刻采集到的异常数据与各种故障类型对应的历史数据之间的差异性，将各种故障类型所对应的差异性最小的数据类型作为各个异常位置的故障类型。