權(quán)利要求書： 1.一種基于行列和張量積的風(fēng)機(jī)葉片開裂故障預(yù)測方法，其特征在于，將基于行列和張量積的降維方法、三維卷積神經(jīng)網(wǎng)絡(luò)以及Squeeze?Excitation注意力機(jī)制進(jìn)行結(jié)合，用于風(fēng)機(jī)葉片開裂故障預(yù)測，能夠快速、準(zhǔn)確地預(yù)測風(fēng)機(jī)葉片一周內(nèi)是否發(fā)生開裂故障以及防止風(fēng)機(jī)葉片因?yàn)榇嬖陔[患仍繼續(xù)運(yùn)行而出現(xiàn)嚴(yán)重的損壞；在使用過程中的步驟為：步驟（1）：對利用數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)采集到的風(fēng)機(jī)多維度數(shù)據(jù)進(jìn)行數(shù)據(jù)清理，對錯誤數(shù)據(jù)的刪除、重復(fù)數(shù)據(jù)的清除以及去掉不變的特征維度，并對剩余數(shù)據(jù)進(jìn)行數(shù)據(jù)歸一化；數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)共對R臺風(fēng)機(jī)進(jìn)行數(shù)據(jù)采集，剩余數(shù)據(jù)共有I個特征維度，每個特征維度下采樣次數(shù)共T次；特征維度表示數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)采集到的數(shù)據(jù)種類；風(fēng)機(jī)多維度數(shù)據(jù)具體為：數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)分別對R臺風(fēng)機(jī)每10分鐘采樣一次的數(shù)據(jù)以及數(shù)據(jù)的標(biāo)注信息；在標(biāo)注信息中，0表示該風(fēng)機(jī)葉片開裂故障樣本對應(yīng)風(fēng)機(jī)一周內(nèi)未發(fā)生開裂故障，1表示該風(fēng)機(jī)葉片開裂故障樣本對應(yīng)的風(fēng)機(jī)在一周內(nèi)發(fā)生開裂故障；對剩余數(shù)據(jù)進(jìn)行數(shù)據(jù)歸一化的方法為：v’r,i,t=(vr,i,t?vr,i,tmin)/(vr,i,tmax?vr,i,tmin)(1)其中，vr,i,t為第r臺風(fēng)機(jī)第i特征維度下第t次采樣獲得的風(fēng)機(jī)葉片數(shù)據(jù)，vr,i,tmax和vr,i,tmin分別是第r臺風(fēng)機(jī)第i特征維度下的風(fēng)機(jī)葉片數(shù)據(jù)最大值和最小值；v’r,i,t為歸一化后的第r臺風(fēng)機(jī)第i特征維度下第t次采樣獲得的風(fēng)機(jī)葉片數(shù)據(jù)；步驟（2）：在進(jìn)行數(shù)據(jù)清理后，采用基于行列和張量積的降維方法對清理后的數(shù)據(jù)進(jìn)行降維；基于行列和張量積的降維方法為：U2=sumrow(v’1,i,t)?sumcol(v’2,i,t)(2)U3=sumrow(U2)?sumcol(v’3,i,t)(3)UR=sumrow(UR?1)?sumcol(v’R,i,t)(4)其中，v’1,i,t表示數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)在第1臺風(fēng)機(jī)采集到的數(shù)據(jù)歸一化后的數(shù)據(jù)，v’2,i,t表示數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)在第2臺風(fēng)機(jī)采集到的數(shù)據(jù)歸一化后的數(shù)據(jù)，v’3,i,t表示數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)在第3臺風(fēng)機(jī)采集到的數(shù)據(jù)歸一化后的數(shù)據(jù)，以此類推，v’R,i,t表示數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)在第R臺風(fēng)機(jī)采集到的數(shù)據(jù)歸一化后的數(shù)據(jù)，皆為I×T的矩