1.一种基于人工智能的污泥处理设备异常检测方法，其特征在于，包括以下步骤：获取预先确定的影响污泥状态指标值的污泥参数的种类以及每种影响污泥状态指标值的污泥参数各自所对应的指标影响度；

根据影响污泥状态指标值的污泥参数的种类，实时获取当前N个时刻对应的N组污泥参数，每组污泥参数包括c种影响污泥状态指标值的污泥参数；

根据N组污泥参数以及c种影响污泥状态指标值的污泥参数各自对应的指标影响度，计算当前N个时刻各自对应的污泥状态指标值；

根据当前N个时刻各自对应的污泥状态指标值，确定污泥处理设备是否出现异常；

所述计算当前N个时刻各自对应的污泥状态指标值的方法为：

式中，Wi为当前N个时刻中的第i个时刻对应的污泥状态指标值，F′j为c种影响污泥状态指标值的污泥参数中的第j种污泥参数对应的指标影响度，xij为N组污泥参数中的第i组污泥参数中的c种影响污泥状态指标值的污泥参数中的第j种污泥参数；根据当前N个时刻各自对应的污泥状态指标值，确定污泥处理设备是否出现异常的步骤包括：根据当前N个时刻各自对应的污泥状态指标值，并利用预先构建并训练好的污泥状态预测网络，预测未来a个时刻对应的污泥状态指标值；

分别判断未来a个时刻对应的污泥状态指标值是否位于污泥状态指标值设定范围内，若有一个时刻对应的污泥状态指标值不位于污泥状态指标值设定范围内，则判定污泥处理设备出现异常；

影响污泥状态指标值的污泥参数的种类以及每种污泥参数各自所对应的指标影响度的确定步骤包括：获取历史经过污泥处理后的n组污泥参数，每组污泥参数包括m种污泥参数；

设定待计算的m种污泥参数各自对应的指标影响度，并设置各个指标影响度的限定条件；

根据n组污泥参数以及设定的待计算的m种污泥参数各自对应的指标影响度，计算n组污泥参数各自对应的n个污泥状态指标值；

根据n个污泥状态指标值，构造目标函数，并根据设置的各个指标影响度的限定条件，对目标函数进行求解，求解出m种污泥参数各自对应的指标影响度的最优解；

分别判断求解出来的m种污泥参数各自对应的指标影响度是否低于设定影响度阈值，若不低于设定影响度阈值，则将该污泥参数作为影响污泥状态指标值的污泥参数，从而得到影响污泥状态指标值的污泥参数的种类，并对各个影响污泥状态指标值的污泥参数各自对应的指标影响度进行重新分配，从而得到每种影响污泥状态指标值的污泥参数各自所对应的指标影响度；

构造目标函数的步骤包括：

计算n个污泥状态指标值的均值，进而分别计算n个污泥状态指标值与该均值的差值，并根据所述差值，确定第一判定值；

获取滑动窗口尺寸，在滑动窗口滑动过程中，计算n个污泥状态指标值中的任意两个污泥状态指标值的差值，并根据任意两个污泥状态指标值的差值以及滑动窗口尺寸，确定第二判定值；

根据第一判定值和第二判定值，确定目标函数；

第一判定值对应的计算公式为：

其中，P1为第一判定值，Eq为待计算的m种污泥参数各自对应的指标影响度构成的序列，Wi为n个污泥状态指标值中的第i个污泥状态指标值， 为n个污泥状态指标值的均值；

第二判定值对应的计算公式为：

其中，P2为第二判定值，Eq为待计算的m种污泥参数各自对应的指标影响度构成的序列，k为中间参数，G为滑动窗口尺寸，di,t为n个污泥状态指标值中的第i个污泥状态指标值与第t个污泥状态指标值的差值的绝对值；

目标函数置和设置的各个指标影响度的限定条件对应的计算公式为：

H＝max{P1(Eq)+P2(Eq)}

其中，H为目标函数，P1为第一判定值，P2为第二判定值，Eq为待计算的m种污泥参数各自对应的指标影响度构成的序列，max为取最大值函数， 为设置的指标影响度的限定条件，Fk为待计算的第k种污泥参数对应的指标影响度。

2.根据权利要求1所述的基于人工智能的污泥处理设备异常检测方法，其特征在于，污泥状态指标值设定范围的确定步骤包括：获取预先确定的影响污泥状态指标值的污泥参数的种类以及每种影响污泥状态指标值的污泥参数各自所对应的指标影响度；

根据影响污泥状态指标值的污泥参数的种类，获取污泥处理设备未发生故障时的L组污泥参数，每组污泥参数包括c种影响污泥状态指标值的污泥参数；

根据L组污泥参数以及c种影响污泥状态指标值的污泥参数各自对应的指标影响度，计算L组污泥参数各自对应的污泥状态指标值；

获取L组污泥参数各自对应的污泥状态指标值的上限值和下限值，并将不低于下限值且不高于上限值所对应的区间作为污泥状态指标值设定范围。

3.一种基于人工智能的污泥处理设备异常检测系统，其特征在于，系统包括存储器和处理器以及存储在存储器中并在处理器上运行的计算机程序，处理器与存储器相耦合，处理器在执行计算机程序时实现如权利要求1‑2中任一项所述的基于人工智能的污泥处理设备异常检测方法。