1.一种基于ABC-ANFIS-CTF的乙烯裂解炉炉管智能结焦诊断方法，其中，ABC为人工蜂群算法，ANFIS为自适应神经模糊推理系统，CTF为结焦时间因子，其特征在于，包括以下步骤：S1炉管结焦相关因素的数据采集和数据处理过程：采集得到与裂解炉炉管结焦相关的因素：炉管外表面温度、横跨段压力、文丘里压力、裂解炉运行周期、炉管结焦程度，再对横跨段压力和文丘里压力进行数据处理以获得绝压比；

S2炉管结焦专家评判规则获取过程：成立一个由若干人组成的评判专家小组，每位专家根据经验和专业知识评判步骤S1获取的每个单因素对炉管结焦结果的影响因子，从而确定相应的评判规则；所述评判规则具体包括，与炉管结焦程度相关的综合评判因素集：U＝{原料，炉管外表面温度，绝压比，裂解炉运行周期}    (2)；

和炉管结焦程度评判集：

V＝{正常，轻度结焦，中度结焦，严重结焦}    (3)；

S3炉管结焦诊断模型训练过程：首先根据专家确定的评判规则，确定基于ANFIS的结焦诊断推理系统的网络结构，然后将步骤S1获得的炉管外表面温度、绝压比和炉管结焦程度数据样本输入结焦诊断推理系统进行训练，在训练过程中，搜索结焦诊断推理系统结构参数最优解，从而获得结焦诊断模型；

所述搜索结焦诊断推理系统结构参数最优解采用ABC算法，当ABC算法搜寻解的收益率不再提高或者搜索轮次大于预设范围时，终止搜索过程，得到最优解；

所述ABC算法搜寻解的收益率计算公式为：

其中，SN代表结焦诊断推理系统结构参数可能解的维度，xr代表第r个结构参数可能的解，F(xr)代表第r个可能解的目标函数值；

其中，F(xr)的计算公式为：

其中，N代表结焦诊断推理系统输入原始采集训练数据样本集合的维度，yt代表训练样本中的真实炉管结焦程度，ft(xr)代表不同结构参数解的取值情况下结焦诊断推理系统预测输出的炉管结焦程度；

S4炉管结焦诊断与预测过程：根据炉管外表面温度、绝压比和裂解炉运行周期的关系，获取CTF，然后利用结焦诊断模型结合CTF对裂解炉在当前时刻的炉管结焦程度和未来一段时期内的结焦发展趋势进行预测，以起到炉管清焦预警和效能提高的作用。

2.根据权利要求1所述基于ABC-ANFIS-CTF的乙烯裂解炉炉管智能结焦诊断方法，其特征在于，步骤S1中，根据横跨段压力和文丘里压力以计算绝压比，绝压比的计算公式为：式中KAPR代表绝压比，Pw代表文丘里压力，Ph代表横跨段压力，Pa代表标准大气压强。

3.根据权利要求1所述基于ABC-ANFIS-CTF的乙烯裂解炉炉管智能结焦诊断方法，其特征在于，步骤S4中，获取CTF的具体步骤为：先根据实际乙烯裂解生产过程中使用不同裂解原料所采集和处理的数据，得到炉管外表面温度与裂解炉运行周期之间的关系，以及炉管外表面温度与绝压比之间的关系，从而获得绝压比和裂解炉运行周期之间的关系；

再根据所述结焦诊断模型中，CTF的定义为炉管外表面温度、绝压比和裂解炉运行周期关系式的集合，计算获得CTF的表达式。

4.根据权利要求3所述基于ABC-ANFIS-CTF的乙烯裂解炉炉管智能结焦诊断方法，其特征在于，根据采集的不同裂解原料的历史数据分析，炉管外表面温度与裂解炉运行周期的关系为：TMT＝f(T)    (6)

其中，TMT代表炉管外表面温度，T代表裂解炉运行周期；

炉管外表面温度和绝压比的关系为：

TMT＝g(KAPR)    (7)

其中，TMT代表炉管外表面温度，KAPR代表绝压比；

根据式(6)、(7)得到绝压比和裂解炉运行周期的关系为：

KAPR＝g-1[f(T)]    (8)；

再根据式(6)、(8)得到CTF的表达式Φ(T)为：

Φ(T)＝{TMT，KAPR}＝{f(T)，g-1[f(T)]}    (9)。

5.根据权利要求1所述基于ABC-ANFIS-CTF的乙烯裂解炉炉管智能结焦诊断方法，其特征在于，步骤S4中，对裂解炉炉管在未来一段时期内的结焦发展趋势进行预测的具体过程为：将当前裂解炉运行周期内的时刻T1和未来一段时间(T1+1)内的时刻值代入CTF表达式计算得到炉管外表面温度和绝压比数据，然后再将得到的炉管外表面温度和绝压比数据代入训练完成的结焦诊断模型，由结焦诊断模型输出的结果得到裂解炉运行周期内当前时刻的炉管结焦程度和未来一段时间内的炉管结焦程度的发展趋势。