1.一种三相全波无刷电机的状态评估方法，其特征在于，包括以下步骤：步骤S1：获取三相全波无刷电机运行数据，并对三相全波无刷电机运行数据进行频谱声波采样，以生成电机声波频谱数据；步骤S1的具体步骤为：步骤S11：获取三相全波无刷电机运行数据，利用KNN算法对三相全波无刷电机运行数据进行动态传感定位处理，以生成传感器最优坐标集；

步骤S12：基于传感器最优坐标集进行传感器定位部署，启动传感器并进行边缘频率采样过滤，以生成电机边缘频率数据集；

步骤S13：利用电机边缘频率数据集进行时间序列同步化处理，以生成电机同步化声波数据集；

步骤S14：基于电机同步化声波数据集进行多维频谱重构，以生成电机声波频谱数据；

步骤S2：利用电机声波频谱数据进行熵驱动重构处理，以生成电机重塑声波数据；步骤S2的具体步骤为：步骤S21：利用电机声波熵计算公式对电机声波频谱数据进行计算，以生成电机频谱熵分值数据；步骤S21中的电机声波熵计算公式具体为：其中，H是指电机频谱熵分值数据，Δf是指频率间隔，f步骤S22：通过电机频谱熵分值数据进行熵阈值定标处理，以生成熵阈值数据集；

步骤S23：利用熵阈值数据集，并通过边缘计算技术对电机声波频谱数据进行熵驱动频谱筛选，以生成电机高熵频谱数据；

步骤S24：对电机高熵频谱数据进行分布式声波重塑，以生成电机重塑声波数据；

步骤S3：获取三相全波无刷电机的实时电流和电压数据，并结合电机重塑声波数据进行微粒度数据融合处理，以生成电机声波微粒融合数据；其中步骤S3的具体步骤为：步骤S31：对电机重塑声波数据进行数据粒度划分，以生成电机声波微粒数据集；

步骤S32：获取三相全波无刷电机的实时电流和电压数据，对三相全波无刷电机的实时电流和电压数据进行电机动态特征提取，以生成电机动态特征数据；

步骤S33：利用同态加密技术对电机声波微粒数据集和电机动态特征数据进行同态加密编码，以生成密后微粒数据集和密后特征数据；

步骤S34：对密后微粒数据集和密后特征数据进行异构数据融合，以生成电机声波微粒融合数据；

步骤S4：利用电机声波微粒融合数据进行非线性电磁力场构建，以生成电机电磁力场图；步骤S4的具体步骤为：步骤S41：对电机声波微粒融合数据进行微粒空间非线性重塑，以生成重塑后微粒空间结构数据；

步骤S42：利用电磁力源点强度定位公式对重塑后微粒空间结构数据进行计算，以生成电磁力场源点数据；步骤S42中的电磁力源点强度定位公式具体为：其中，L是指电磁力场源点数据，α是指高斯混合模型的标准偏差变量，M是指RPS中的总数据点数量，RPS步骤S43：基于电磁力场源点数据进行电磁力场强度建模，以生成电机电磁强度模型；

步骤S44：结合时间序列预测技术和电机电磁强度模型进行动态力场路径预测，以生成电机动态电磁路径数据；

步骤S45：基于电机动态电磁路径数据进行电磁力场空间渲染处理，以生成电机电磁力场图；

步骤S5：通过深度神经网络对电机电磁力场图进行微变异检测扫描，以生成电机微变异标记数据；

步骤S6：基于电机微变异标记数据，利用复杂网络技术进行状态因果链解析，以生成电机状态因果关系数据；

步骤S7：根据电机状态因果关系数据进行状态预测评估处理，以生成电机状态预测报告。

2.根据权利要求1所述的三相全波无刷电机的状态评估方法，其特征在于，步骤S5具体为：步骤S51：对电机电磁力场图进行电磁复变形态解读，以生成电机电磁复变特征数据；

步骤S52：基于生成对抗网络，对电机电磁复变特征数据进行故障微观关联结构识别，以生成电机故障预警关联图；

步骤S53：通过电机故障预警关联图进行变异行为深度关联分析，以生成微观变异行为识别策略集；

步骤S54：基于微观变异行为识别策略集进行微变异自适应标记处理，以生成电机微变异标记数据。

3.根据权利要求1所述的三相全波无刷电机的状态评估方法，其特征在于，步骤S6的具体步骤为：步骤S61：对电机微变异标记数据进行微变数据分布揭示处理，以生成电机微变数据分布图；

步骤S62：基于电机微变数据分布图进行异构网络构建，以生成电机状态异构网络数据；

步骤S63：利用GCN算法对电机状态异构网络数据进行深度关联挖掘，以生成电机状态深度关联数据；

步骤S64：结合神经符号学习和电机状态深度关联数据进行状态因果逻辑推理，以生成电机状态逻辑因果链；

步骤S65：基于电机状态逻辑因果链进行状态因果链整合处理，以生成电机状态因果关系数据。

4.根据权利要求1所述的三相全波无刷电机的状态评估方法，其特征在于，状态预测评估处理包括状态转移学习处理、异步状态筛选、状态因果网络重构、微变异态预测处理、语义报告编制，步骤S7具体为：步骤S71：对电机状态因果关系数据进行状态转移学习处理，以生成电机状态转移概率数据；

步骤S72：依据电机状态转移概率数据进行异步状态筛选，以生成电机关键状态转移路径；

步骤S73：基于电机关键状态转移路径进行状态因果网络重构，以生成电机状态因果网络重构图；

步骤S74：利用电机状态因果网络重构图进行微变异态预测处理，以生成电机微变异态预测数据；

步骤S75：基于电机微变异态预测数据进行语义报告编制，以生成电机状态预测报告。