1.一种胶泵故障诊断维护分析优化方法，其特征在于，所述方法包括：
获取胶泵的设计模型，对所述设计模型进行载荷分析，确定高危点位，基于所述高危点位设置传感器；
接收用户输入的胶泵应用场景，根据所述胶泵应用场景确定预测载荷，根据所述预测载荷激活所述传感器；所述胶泵应用场景包括流体参数和环境参数；
获取传感器数据，根据传感器数据确定胶泵运行表；所述胶泵运行表包括高危点位项和评分项；
基于胶泵运行表确定故障类型，根据胶泵运行表及其故障类型训练神经网络模型；所述神经网络模型的输入为胶泵应用场景，输出为故障类型；
定时计算神经网络模型的准确率，当所述准确率达到预设的阈值时，提高神经网络模型的应用优先级；
所述接收用户输入的胶泵应用场景，根据所述胶泵应用场景确定预测载荷，根据所述预测载荷激活所述传感器的步骤包括：
接收用户输入的流体粘度、颗粒物均值、颗粒物最大值和工作位置；
基于所述工作位置获取空气温度和空气湿度；
将所述流体粘度、颗粒物均值、颗粒物最大值、空气温度和空气湿度输入预设的载荷判断模型，得到预测载荷；所述预测载荷包含载荷量和载荷位置；
根据所述载荷位置确定点位中心，根据所述载荷量确定点位半径，根据所述点位中心和所述点位半径查询目标传感器并激活；所述点位中心为高危点位的子集。
2.根据权利要求1所述的胶泵故障诊断维护分析优化方法，其特征在于，所述获取胶泵的设计模型，对所述设计模型进行载荷分析，确定高危点位，基于所述高危点位设置传感器的步骤包括：
获取胶泵的设计模型，根据设计模型中的编号信息确定连接点位；所述编号信息的数据结构为树；
向所述设计模型中填充不同参数的虚拟流体，根据虚拟流体计算各连接点位的虚拟载荷；
获取连接点位处的形变参数，根据所述形变参数确定高危点位；
基于所述高危点位确定传感器位置及传感器类型。
3.根据权利要求1所述的胶泵故障诊断维护分析优化方法，其特征在于，所述获取传感器数据，根据传感器数据确定胶泵运行表的步骤包括：
获取传感器数据，基于时间将所述传感器数据转换为离散点群；
根据预设的拟合模型拟合离散点群，得到传感器的数据曲线及其函数；
计算数据曲线及其函数的多阶导数，获取多阶特征，将所述多阶特征与预设的参考特征进行比对，得到评分；
获取各个高危点位对应的传感器的评分，生成胶泵运行表。
4.根据权利要求1所述的胶泵故障诊断维护分析优化方法，其特征在于，所述基于胶泵运行表确定故障类型，根据胶泵运行表及其故障类型训练神经网络模型的步骤包括：
将所述胶泵运行表转换为胶泵运行矩阵；
依次在预设的故障特征表中读取故障特征，基于所述故障特征在胶泵运行矩阵中进行遍历匹配，根据遍历匹配结果判断胶泵运行表的故障类型；所述故障特征为预设的矩阵；
读取用户输入的胶泵应用场景，根据胶泵应用场景和故障类型搭建训练集，训练神经网络模型；
其中，所述基于所述故障特征在胶泵运行矩阵中进行遍历匹配的过程为：
基于所述故障特征确定滑动窗，根据滑动窗在胶泵运行矩阵中截取子矩阵，计算故障特征与子矩阵的卷积值，将卷积值作为遍历匹配结果。
5.根据权利要求1所述的胶泵故障诊断维护分析优化方法，其特征在于，所述定时计算神经网络模型的准确率，当所述准确率达到预设的阈值时，提高神经网络模型的应用优先级的步骤包括：
当接收到胶泵应用场景时，输入训练好的神经网络模型，得到第一故障类型；
基于传感器数据生成的胶泵运行表确定第二故障类型；
基于所述第二故障类型计算所述第一故障类型的准确率；
当所述准确率达到预设的阈值时，提高神经网络模型的应用优先级。
6.一种胶泵故障诊断维护分析优化系统，其特征在于，所述系统包括：
传感器设置模块，用于获取胶泵的设计模型，对所述设计模型进行载荷分析，确定高危点位，基于所述高危点位设置传感器；
传感器激活模块，用于接收用户输入的胶泵应用场景，根据所述胶泵应用场景确定预测载荷，根据所述预测载荷激活所述传感器；所述胶泵应用场景包括流体参数和环境参数；
运行表确定模块，用于获取传感器数据，根据传感器数据确定胶泵运行表；所述胶泵运行表包括高危点位项和评分项；
模型训练模块，用于基于胶泵运行表确定故障类型，根据胶泵运行表及其故障类型训练神经网络模型；所述神经网络模型的输入为胶泵应用场景，输出为故障类型；
模型应用模块，用于定时计算神经网络模型的准确率，当所述准确率达到预设的阈值时，提高神经网络模型的应用优先级；
所述传感器激活模块包括：
数据接收单元，用于接收用户输入的流体粘度、颗粒物均值、颗粒物最大值和工作位置；
环境信息获取单元，用于基于所述工作位置获取空气温度和空气湿度；
载荷预测单元，用于将所述流体粘度、颗粒物均值、颗粒物最大值、空气温度和空气湿度输入预设的载荷判断模型，得到预测载荷；所述预测载荷包含载荷量和载荷位置；
查询激活单元，用于根据所述载荷位置确定点位中心，根据所述载荷量确定点位半径，根据所述点位中心和所述点位半径查询目标传感器并激活；所述点位中心为高危点位的子集。
7.根据权利要求6所述的胶泵故障诊断维护分析优化系统，其特征在于，所述传感器设置模块包括：
连接点位确定单元，用于获取胶泵的设计模型，根据设计模型中的编号信息确定连接点位；所述编号信息的数据结构为树；
虚拟载荷计算单元，用于向所述设计模型中填充不同参数的虚拟流体，根据虚拟流体计算各连接点位的虚拟载荷；
高危点位选取单元，用于获取连接点位处的形变参数，根据所述形变参数确定高危点位；
处理执行单元，用于基于所述高危点位确定传感器位置及传感器类型。
8.根据权利要求6所述的胶泵故障诊断维护分析优化系统，其特征在于，所述运行表确定模块包括：
点群转换单元，用于获取传感器数据，基于时间将所述传感器数据转换为离散点群；
点群拟合单元，用于根据预设的拟合模型拟合离散点群，得到传感器的数据曲线及其函数；
评分生成单元，用于计算数据曲线及其函数的多阶导数，获取多阶特征，将所述多阶特征与预设的参考特征进行比对，得到评分；
数据统计单元，用于获取各个高危点位对应的传感器的评分，生成胶泵运行表。
