在智能制造发展如火如荼的当下,充分把信息技术领域的优秀成果带入制造业意义重大。对于机床加工中产生的大量工业数据,对一般数据的传输、处理技术难以发挥,需要针对数据的来源特性,同时结合数据采集、换算、调控等实际应用特点,进行针对性处理,数控加工中的指令域数据的提出为解决数控加工数据同实际加工情况进行分析作了良好铺垫,电控数据中的电流、电功率信号数据能反映机床的各项状态,从各轴伺服电机上采集到的电流、电功率数据是本文研究的重点。在信号的采集与传输过程中,由于测量误差、随机误差、转换误差等,不可避免的会受到大量无效信号的干扰,对机床电控数据稀疏性研究为数据的压缩、去噪奠定了良好的基础。稀疏作为压缩感知的一部分,数据的稀疏性是压缩感知的前提。将采集得到的信号映射到低维空间,利用目标电信号在稀疏域上具有稀疏性可以重构,噪声在稀疏域上不稀疏不可重构的特点,应用重构算法重构电流信号达到降噪效果。由于工业大数据海量性的特点,寻找其中对于分析有意义的非正常数据增加了难度。本文提出一种在环切及钻孔工况下,同时分析进给轴电机电流和主轴功率对异常数据进行标记的方法。在规范操作加工中,电信号表征的负载波动是平稳或较平稳、有规律的波动,本文提出使用小波分解,过滤重构方法,根据异常数据不符合数据趋势的异常波动进行标记。提出同时对X,Y两轴转矩电流信号和主轴电功率信号进行处理,使得对异常的情况更敏感,标记更有效。最后使用实验进行了降噪和快速标记效果的展示,说明了降噪方法的有效性和异常快速标记方法的合理性。