1.一种基于模糊推理的烟花爆竹生产监控预警方法，其特征在于，包括如下步骤：步骤S1：采集烟花爆竹生产现场的面积、结构、温度、湿度、粉尘含量、静电状况、预警类型、预警等级；其中，温度、湿度、粉尘含量、静电状况构成影响因素矩阵X，面积、结构构成影响因子，预警类型和预警等级构成决策变量；

步骤S2：利用粗糙‑模糊集建立影响因素矩阵X与生产现场安全指数之间的非线性关系，获得监控预警模型，包括；

步骤S21：输入样本Xk，Xk＝[xk1,xk2,...,xkM],k＝1,2,...,S，S为训练样本的个数，xki为第k个样本中第i个传感器的测量值，i＝1,2,...,M；

步骤S22：对输入样本Xk，对每一个传感器的测量样本进行模糊化处理Ai＝(ai0,ai1,ai2)＝(xi‑2σi,xi,xi+2σi)，ai0，ai1，ai2为三角形隶属函数的三个端点，xi为测量值，σi为测量方差；

步骤S23：基于相似性度量，计算样本间的距离d(Ai,Aj)，i,j＝1,2,...,M；

步骤S24：计算样本间的贴近度步骤S25：根据每个传感器的测量样本Ai与目标估计量A0的贴近程度，计算同类别传感器的各个测量值之间的相对权重步骤S26：利用融合函数 Ai＝(ai0,ai1,ai2)得到粗糙‑模糊集为 的三个端点；

步骤S27：判断是否完成所有样本的训练；如果是，完成建模；如果否，跳转至步骤S22；

步骤S3：利用模糊规则插值算法对监控预警模型进行模糊推理，获得决策变量的最终解，具体包括以下子步骤：

步骤S31：初始化所述监控预警模型参数，包括偏移因子λ、比例因子s、移动因子m；

步骤S32：计算粗糙‑模糊集 的代表值 和 为 的基值， 为 的峰值；

步骤S33：根据偏移因子 得到中间插值推理结果和 其中，

和 为两条推理规则， 和 为规则前件， 和 为规则后件， 和 为 的基值， 为 的峰值， 和 为 的基值， 为 的峰值；

步骤S34：利用粗糙‑模糊集 和中间插值推理结果 的基值，计算比例因子步骤S35：判断 与 的大小，如果 则移动因子 否则，移动因子

步骤S36：基于比例因子s，进行第一次近似变换，得到中间插值推理结果其中，

和 为 的基值， 为 的峰值；

步骤S37：基于移动因子m，进行第二次近似变换，得到模糊推理结果 其中，如果m≥0，则 否

则

和 为 的基值， 为 的峰值；

步骤S38：对 去模糊化， 得到最终解*

步骤S4：将决策变量的最终解作为监控预警的决策X。

2.根据权利要求1所述的基于模糊推理的烟花爆竹生产监控预警方法，其特征在于，该*

方法还包括步骤S5，监控预警的决策X 通过服务器下发至从业企业的终端设备进行展示，*

用户根据终端设备展示的决策X实现生产现场的监控预警。

3.一种基于模糊推理的烟花爆竹生产监控预警系统，其特征在于，包括：数据采集单元，用于采集烟花爆竹生产现场的面积、结构、温度、湿度、粉尘含量、静电状况、预警类型、预警等级，其中温度、湿度、粉尘、静电构成影响因素矩阵X，预警类型和预警等级构成决策变量；

监控预警模型建立单元，用于利用粗糙‑模糊集建立影响因素矩阵X与生产现场安全指数之间的非线性关系，获得监控预警模型，建立所述监控预警模型的步骤包括：步骤S21：输入样本Xk，Xk＝[xk1,xk2,...,xkM],k＝1,2,...,S，S为训练样本的个数，xki为第k个样本中第i个传感器的测量值，i＝1,2,...,M；

步骤S22：对输入样本Xk，对每一个传感器的测量样本进行模糊化处理Ai＝(ai0,ai1,ai2)＝(xi‑2σi,xi,xi+2σi)，ai0，ai1，ai2为三角形隶属函数的三个端点，xi为测量值，σi为测量方差；

步骤S23：基于相似性度量，计算样本间的距离d(Ai,Aj)，i,j＝1,2,...,M；

步骤S24：计算样本间的贴近度步骤S25：根据每个传感器的测量样本Ai与目标估计量A0的贴近程度，计算同类别传感器的各个测量值之间的相对权重步骤S26：利用融合函数 Ai＝(ai0,ai1,ai2)得到粗糙‑模糊集为 的三个端点；

步骤S27：判断是否完成所有样本的训练；如果是，完成建模；如果否，跳转至步骤S22；

决策变量最终解获取单元，用于利用模糊规则插值算法对监控预警模型进行模糊推*

理，获得决策变量的最终解，并作为生产现场的监控预警决策X ，利用模糊规则插值算法对监控预警模型进行模糊推理获得决策变量的最终解，具体包括以下子步骤：步骤S31：初始化所述监控预警模型参数，包括偏移因子λ、比例因子s、移动因子m；

步骤S32：计算粗糙‑模糊集 的代表值 和 为 的基值， 为 的峰值；

步骤S33：根据偏移因子 得到中间插值推理结果和 其中， 和

为两条推理规则， 和 为规则前件， 和 为规则后件， 和 为 的基值， 为 的峰值， 和 为 的基值， 为 的峰值；

步骤S34：利用粗糙‑模糊集 和中间插值推理结果 的基值，计算比例因子步骤S35：判断 与 的大小，如果 则移动因子 否则，移动因子

步骤S36：基于比例因子s，进行第一次近似变换，得到中间插值推理结果其中，

和 为 的基值， 为 的峰值；

步骤S37：基于移动因子m，进行第二次近似变换，得到模糊推理结果 其中，如果m≥0，则 否

则

和 为 的基值， 为 的峰值；

步骤S38：对 去模糊化， 得到最终解

4.根据权利要求3所述的一种基于模糊推理的烟花爆竹生产监控预警系统，其特征在*

于，该系统还包括决策下发单元，用于通过服务器将所述生产现场的监控预警决策X下发至从业企业的终端设备进行展示。