1.一种应用于生产管理的数据分类识别方法，其特征在于，该方法包括以下步骤：

获取生产线上产品在各个时刻的各个参数数据，得到所述各个时刻的参数序列；

根据设定时间内各个时刻的参数序列得到所述设定时间的数据矩阵；根据数据矩阵中每一行的差值均值得到所述数据矩阵的整体特征；

将数据矩阵转化为数据序列，将参数数据类型的数量作为时间延迟量；根据时间延迟量以及相空间的嵌入维数得到所述相空间的多个相点；根据不同嵌入维数下，相空间中各个维度上所有相点的坐标值得到相空间的分块边长；

将分块边长作为最小空间单元的边长，根据所述最小空间单元内所有相点之间的欧氏距离得到搜索半径的取值范围；根据各个最小空间单元内各个相点之间的欧氏距离以及不同搜索半径得到所述不同搜索半径对应的关联维数；根据每个嵌入维数下，各个搜索半径以及所述各个搜索半径的关联维数得到所述每个嵌入维数的变化曲线；根据所有变化曲线的斜率得到特征区间以及最佳关联维数，所述最佳关联维数以及特征区间构成了所述数据矩阵的局部特征；

使用历史数据中各个设定时间内正常数据所对应的局部特征以及整体特征训练神经网络，得到分类神经网络；将生产过程中每个设定时间内的数据矩阵的局部特征和整体特征，输入到分类神经网络中，得到所述每个设定时间所对应的数据类型。

2.根据权利要求1所述的一种应用于生产管理的数据分类识别方法，其特征在于，所述得到数据矩阵的整体特征的获取方法为：计算数据矩阵中每一行数据的均值；将数据矩阵中每一行中各个数据的值与所述每一行数据的均值之间差值的累加和，作为所述每一行的整体特征；将数据矩阵中所有行的整体特征构成的一维序列作为所述数据矩阵的整体特征。

3.根据权利要求1所述的一种应用于生产管理的数据分类识别方法，其特征在于，所述根据时间延迟量以及相空间的嵌入维数得到所述相空间的多个相点的方法为：从数据序列中任意一个数据开始，每间隔一个时间延迟量获取一个数据，共获取的数据个数等于相空间的嵌入维数，以每次获取的数据为相点的一个维度上的坐标值，得到所述相空间中的多个相点，每个相点的坐标维数与相空间的嵌入维数相同。

4.根据权利要求1所述的一种应用于生产管理的数据分类识别方法，其特征在于，所述相空间的分块边长的获取表达式为： ，式中，L为相空间的分块边长；N为整个相空间中相点的总个数； 分别为相空间的第i个维度上所有相点的最大坐标值与最小坐标值；m为相空间的嵌入维度；为连乘符号。

5.根据权利要求1所述的一种应用于生产管理的数据分类识别方法，其特征在于，所述根据所有变化曲线的斜率得到特征区间以及最佳关联维数的方法为：设置单位区间，获取每个单位区间内，各个变化曲线的斜率；将每个单位区间内，所有变化曲线的斜率之间的均值作为所述每个单位区间的参考斜率；

计算每个单位区间内，所有变化曲线的斜率与参考斜率之间差值的累加和，将所述累加和的绝对值作为所述每个单位区间的饱和性判断指标；以所有变化曲线的个数的倒数为阈值，当每个单位区间的饱和性判断指标小于所述阈值，所述每个单位区间为斜率饱和区间，否则不为斜率饱和区间；

将所有斜率饱和区间中，区间位置最靠前的斜率饱和区间为特征区间，该区间内最大斜率的变化曲线所对应的嵌入维数为最佳关联维数。