1.基于大数据分析的自动化设备温度异常预警方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的基于大数据分析的自动化设备温度异常预警方法，其特征在于：所述步骤101中，通过在电机上安装温度传感器，对自动化设备进行温度数据采集，将采集到的温度数据进行归一化处理，并将温度数据存储到数据库中，具体步骤如下：
3.根据权利要求1所述的基于大数据分析的自动化设备温度异常预警方法，其特征在于，所述步骤102中，通过深度学习神经网络，建立温度预测模型，设置历史温度数据包含n个时间步的观测值，用x表示输入特征向量，y表示对应的温度预测值，具体包括以下步骤：
4.根据权利要求1所述的基于大数据分析的自动化设备温度异常预警方法，其特征在于，所述步骤103中，将包含时间和对应的温度数值的历史数据进行分析，绘制历史温度数据的折线图，通过观察折线图，判断温度是否存在明显的波动，根据历史数据计算出均值和标准差，设定温度阈值，具体步骤如下：
5.根据权利要求1所述的基于大数据分析的自动化设备温度异常预警方法，其特征在于，所述步骤104中，通过时间序列分析技术，对历史温度数据进行趋势分析，使用支持向量机算法构建自动化设备温度预测模型，基于大数据分析，进行温度预测预警，在温度预警值前采取降温措施，避免设备故障和生产中断，具体步骤如下：
6.根据权利要求1所述的基于大数据分析的自动化设备温度异常预警方法，其特征在于，所述步骤105中，利用物联网技术将采集到的高温点温度数据传输给物联网设备，通过滤波方法对温度数据进行平滑处理，避免瞬时噪声导致错误的预警触发，根据设定的温度预警阈值进行数据分析，判断是否达到高温预警条件，并将温度传感器与声光报警系统进行联动，实现对高温点的及时预警和联动处置，具体步骤如下：