1.PAD终端实时异常监控与智能处理方法，其特征在于，包括：
S1：构建生产线地图，在生产线地图中将生产线内的n个生产设备依次标记为 、、…… ，即标记为 ， ；
S2：采集 组设备运行数据， ， 组设备运行数据与生产线中的n个生产设备一一对应；
S3：分析 组设备运行数据，计算对应的设备运行系数，判断是否生成第二初步异常指令；
S4：若生成第二初步异常指令，则采集m张产品图像，m张产品图像与第二初步异常指令对应的 个生产设备一一对应， 且 ；
S5：分析m张产品图像，判断是否生成异常指令；
S6：若生成异常指令，统计异常指令对应的生产设备数量，并标记为异常数量，计算异常数量占比，判断是否生成电源异常指令；
将生产线根据生产设备的工作内容划分为G个区域，G为大于1的整数；
根据生产线地图，获取每个区域中每个生产设备标记的下标值，并标记为生产设备下标值，将每个区域对应生产设备下标值的均值作为对应区域的判断系数；
若不生成电源异常指令，则将异常指令对应的生产设备标记为故障设备，获取故障设备对应标记的下标值，并标记为故障设备下标值，计算故障设备下标值对应的均值，并标记为故障均值；将G个区域对应的判断系数从大到小进行排序，并生成排序表，将故障均值加入排序表中，获取位于故障均值前一位和后一位的判断系数，将前一位的判断系数标记为第一判断系数，将后一位的判断系数标记为第二判断系数；将每个故障设备下标值分别减去第一判断系数后相加再除以故障设备数量，作为第一评估系数，将每个故障设备下标值分别减去第二判断系数后相加再除以故障设备数量，作为第二评估系数；
预设评估阈值，将第一评估系数和第二评估系数分别与评估阈值进行对比，若第一评估系数小于或等于评估阈值，则将第一判断系数对应的区域标记为环境区域，若第二评估系数小于或等于评估阈值，则将第二判断系数对应的区域标记为环境区域，若第一评估系数和第二评估系数均大于评估阈值，则执行步骤S7；
采集环境区域的环境数据，环境数据包括环境温度和空气质量；
空气质量由采集到的PM2.5数量和PM10数量通过计算分析获取，空气质量的计算方法为： ，其中 为第j个区域的空气质量， 为j个区域的
PM2.5数量， 为j个区域的PM10数量， 、 为预设权重系数且 、 均大于0，；
根据环境数据，计算对应的环境系数；
环境系数的计算方法包括：
；
式中， 为第j个区域的环境系数， 为第j个区域的环境温度， 、 为预设比例系数；
预设环境系数阈值，将环境系数与环境系数阈值进行对比，若环境系数小于环境系数阈值，则不生成环境异常指令，若环境系数大于或等于环境系数阈值，则生成环境异常指令；
若不生成环境异常指令，则执行步骤S7；
若生成环境异常指令，则执行调控方法，调控方法包括控制环境区域相通的窗户自动开启，以及控制环境温控器降温；执行调控方法后再次采集环境数据，并判断是否生成环境异常指令，若仍生成环境异常指令，则将环境数据上传至PAD终端，生成相应的故障单；
S7：若不生成电源异常指令，则分析异常指令对应的设备运行数据，判断是否生成调节指令；若生成调节指令，则对调节指令对应的设备运行数据进行调节；若不生成调节指令，则将对应的生产设备标记为异常设备，对异常设备对应的设备运行数据进行分析，判断异常类型，将异常设备对应的标记 、异常类型以及异常设备 在生产线地图中的位置上传至PAD终端，生成相应的故障单；
S8：若生成电源异常指令，则生产线停止工作，并将电源数据上传至PAD终端，生成相应的故障单。
2.根据权利要求1所述的PAD终端实时异常监控与智能处理方法，其特征在于，生产线地图根据生产线中n个生产设备的位置进行构建；一组设备运行数据包括一个功率、一个转速以及一个运行温度；所述功率为生产设备运行时的功率，所述功率根据采集的电流、电压以及功率因数计算获取，所述功率的计算方法包括： ，其中 为功率，
为电压，为电流， 为功率因数；所述转速为生产设备运行时的转速；所述运行温度为生产设备运行时的运行温度。
3.根据权利要求2所述的PAD终端实时异常监控与智能处理方法，其特征在于，设备运行系数的计算方法包括：
；
式中， 为第i个生产设备的设备运行系数， 为第i个生产设备的功率， 为第i个生产设备的转速， 为第i个生产设备的运行温度， 、 、 为预设比例系数。
4.根据权利要求3所述的PAD终端实时异常监控与智能处理方法，其特征在于，所述判断是否生成第二初步异常指令的方法包括：
预设 个第一运行系数阈值 和 个第二运行系数阈值 ，其中 ，
；个第一运行系数阈值 和 个第二运行系数阈值 与n个生产设备一一对
应，将 个设备运行系数分别与对应的 个第一运行系数阈值 和 个第二运行系数阈值 进行对比，若 ，则不生成第一初步异常指令；若 ，则生成第
一初步异常指令；若 ，则生成第二初步异常指令， ；
若生成第一初步异常指令，则采集第一初步异常指令对应的生产设备的时间数据，时间数据为生产设备对应设备运行数据异常的持续时间；
预设 个时间阈值 ， ，个时间阈值与n个生产设备一一对应；将多个时间数据分别与对应的时间阈值进行对比，若 ，则不生成第二初步异常指令；若 ，则生成第二初步异常指令。
5.根据权利要求4所述的PAD终端实时异常监控与智能处理方法，其特征在于，所述分析m张产品图像的方法包括：
将m张产品图像分别输入训练好的a个产品分析模型，其中 ，m张产品图像与a个产品分析模型一一对应，以判断每张产品图像中是否出现产品不合格现象；其中产品分析模型共有b个， ，b个产品分析模型与n个生产设备一一对应；
n个产品分析模型的训练过程均一致，其中一个产品分析模型的训练过程包括：
预先收集多张产品图像，多张产品图像均为一个生产设备生产产品对应的图像；将每张产品图像标记为训练图像，对每张训练图像中产品进行标注，标注包括产品合格和产品不合格；将产品合格和产品不合格分别转换为数字标注；将标注后的训练图像分为训练集和测试集；使用训练集对产品分析模型进行训练，使用测试集对产品分析模型进行测试；预设误差阈值，当测试集中所有训练图像的预测误差的均值小于误差阈值时，输出产品分析模型；所述产品分析模型为卷积神经网络模型。
6.根据权利要求5所述的PAD终端实时异常监控与智能处理方法，其特征在于，所述判断是否生成异常指令的方法包括：
若产品分析模型输出的预测标注对应为产品合格，则不生成异常指令；
若产品分析模型输出的预测标注对应为产品不合格，则生成异常指令。
7.根据权利要求6所述的PAD终端实时异常监控与智能处理方法，其特征在于，异常数量占比的计算方法包括：
；
式中， 为异常数量占比，为异常数量；
所述判断是否生成电源异常指令的方法包括：
S601：预设占比阈值 ，将异常数量占比与占比阈值进行对比，判断是否生成初步电源异常指令；
若 ，则生成初步电源异常指令；若 ，则不生成初步电源异常指令；
S602：若生成初步电源异常指令，则采集电源数据，电源数据包括电源功率和电源阻抗；电源功率为电源的输出功率；电源阻抗为电源在交流电路中的等效电阻；
S603：根据电源数据，计算对应的电源系数；
电源系数的计算方法包括：
将电源功率转换为复数形式；
；
式中， 为电源系数， 为电源功率， 为电源阻抗， 、 为预设权重系数；
S604：绘制电源正常工作状态下电源系数的箱线图，将计算出的电源系数加入电源系数的箱线图中；
电源正常工作状态下电源系数箱线图的绘制方法包括：
在历史电源正常工作状态下，计算Y组对应的电源系数；
计算Y个电源系数对应的下四分位数、上四分位数以及四分位距；
将Y个电源系数从小到大进行排序；
下四分位数 的计算过程为： ；若 为整数，则下四分位数 为第 个
电源系数的数值，若 不为整数，则下四分位数 为第 个电源系数的数值与第 个电源系数的数值的平均值； 为下四分位数位置索引；
上四分位数 的计算过程为： ；若 为整数，则上四分位数 为第 个
电源系数的数值，若 不为整数，则上四分位数 为第 个电源系数的数值与第 个电源系数的数值的平均值； 为上四分位数位置索引；
四分位距 ；
计算Y个电源系数对应的上边界值和下边界值；
上边界值 ；下边界值 ；
若 或 ，则生成电源异常指令；
若 ，则不生成电源异常指令。
8.根据权利要求7所述的PAD终端实时异常监控与智能处理方法，其特征在于，所述判断是否生成调节指令的方法包括：
若 ，则生成调节指令；
若 ，则不生成调节指令；
若生成调节指令，则将调节指令对应的生产设备标记为调节设备，对调节设备的设备运行数据进行调节；将调节设备对应的设备运行系数减去对应的第一运行系数阈值 ，获取系数差值；根据系数差值以及 、 、 计算出第一差值、第二差值以及第三差值；
第一差值、第二差值以及第三差值的计算方法包括：
；
；
；
式中， 为系数差值；
首先根据第一差值对调节设备对应的功率进行调节，将调节设备对应的功率减去第一差值获取功率差值，根据功率差值对调节设备的功率进行调节；功率调节完成后，重新采集调节设备对应的转速，将重新采集的转速减去第二差值获取转速差值，根据转速差值对调节设备的转速进行调节；转速调节完成后，重新采集调节设备对应的运行温度，将重新采集的运行温度减去第三差值获取温度差值，根据温度差值对调节设备的运行温度进行调节；
其中当功率减小时，生产设备的电机减小转子电流；当转速减小时，生产设备的减速器增大传动比例；当运行温度减小时，生产设备的加热器降温。
9.根据权利要求8所述的PAD终端实时异常监控与智能处理方法，其特征在于，所述判断异常类型的方法包括：
将一组设备运行数据作为一组分析数据；将 组分析数据输入训练好的异常分析模型，预测出每组分析数据对应的异常类型；
异常分析模型的训练过程包括：
预先对多组分析数据设置对应的异常类型，对不同异常类型均设置不同的数字标签；
将异常类型的数字标签标记为判断标签，将分析数据与对应的判断标签转换为对应的一组特征向量；
将每组特征向量作为异常分析模型的输入，所述异常分析模型以每组分析数据对应的一组预测判断标签作为输出，以每组分析数据对应的实际判断标签作为预测目标，实际判断标签即为预先设置的与分析数据对应的判断结果的数字标签；以最小化所有分析数据的预测误差之和作为训练目标；对异常分析模型进行训练，直至预测误差之和达到收敛时停止训练；
所述异常分析模型为深度神经网络模型；
根据预测的判断标签获取对应的异常类型。
10.一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1‑9任一项所述的PAD终端实时异常监控与智能处理方法。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被执行时实现权利要求1‑9任一项所述的PAD终端实时异常监控与智能处理方法。