1.一种基于LSTM和MLP结合的化工过程故障诊断方法，其特征在于该方法包括以下步骤：a.将原始一维数据通过降维，去掉部分冗余数据点；

b.将得到的一维数据输入堆叠的LSTM，提取得到具有时间特性的特征信息；

c.通过Flatten层将LSTM的输出数据展开，输入到由全连接层堆叠而成的MLP中，进行下一阶段的特征提取；

d.由最后一层全连接层中的Softmax分类器进行故障类别的分类。

2.根据权利要求1所述的一种基于LSTM和MLP结合的化工过程故障诊断方法，其特征在于：所述步骤b中，在LSTM中提取得到具有时间记忆特性的特征信息具体过程如下：LSTM包括记忆细胞Ct和三个门限：输入门it、遗忘门ft和输出门ot；当输入序列为xt时，三个门限和记忆细胞的输出如下：其中Whf、Whi、Who、WhC分别表示遗忘门、输入门、输出门、记忆细胞与上一隐含层之间的权重矩阵，ht-1为前一时刻单元的输出，Wxf、Wxi、Wxo、WxC分别表示输入与遗忘门、输入门、输出门、记忆细胞之间的权重矩阵，bf、bi、bo、bC分别表示遗忘门、输入门、输出门、记忆细胞的偏置，σ为Sigmoid函数，其中LSTM的网络模型由两层LSTM堆叠而成，在每层LSTM中加入了随机丢弃机制以及L2正则化。

3.根据权利要求1所述的一种基于LSTM和MLP结合的化工过程故障诊断方法，其特征在于：所述步骤c中，在MLP中提取特征信息具体如下：在MLP输入层将之前LSTM的输出展开为x1,x2,x3...化为向量X[1]，MLP输入层到下一层之间权重为w1,w2,w3...化为向量W[1],其中1表示MLP第一层，偏置b[1]同理，则第一层的计算为Z[1]＝W[1]X+b[1],之后A[1]＝Sigmoid(Z[1]),其中Z[1]为输入的线性组合，A[1]为Z[1]通过激活函数Sigmoid的得到的值，对于MLP第一层的输入为X[1]，输出为A[1]，也就是下一层的输入值，即X[2]＝A[1]，依次类推到下一层，所述MLP由五层全连接网络堆叠而成；

在每两层全连接层之间加入随机丢弃层，同时在每一个全连接层中加入L2正则化，并且采用he_normal作为权重的初始化方法。

4.根据权利要求1所述的一种基于LSTM和MLP结合的化工过程故障诊断方法，其特征在于：所述步骤d中,通过Softmax分类器进行故障类别的分类具体如下：选择Softmax作为最后一层全连接层的激活函数，用于计算样本属于不同类别的概率，对于给定的输入x，针对于每一类别j估算出概率值p，并输出诊断结果；随后Softmax的输出向量[y1,y2,y3...]和样本的实际标签做交叉熵计算，公式如下： 其中yi'是实际的标签值，yi为模型诊断结果，之后对输出向量求均值，得到想要的成本函数值，在定义好成本函数后，选择优化算法将成本函数最小化。