1.一种基于多模态数据动态门控的回转窑喷煤量预测方法，其特征在于，包括以下步骤：采集回转窑工艺过程中的多模态数据，所述多模态数据至少包括燃烧图像数据和工艺数值数据；所述工艺数值数据至少包括燃烧状态参数和历史喷煤量数据，所述燃烧状态参数包括欠燃烧、正常燃烧及过燃烧状态对应的参数；

对所述燃烧图像数据进行空间特征提取，对所述工艺数值数据进行高维特征编码；

采用动态门控交叉注意力机制对所述空间特征和编码后的高维特征进行融合，所述动态门控交叉注意力机制通过评估不同模态数据的质量以生成模态置信度，并基于所述模态置信度对不同模态特征进行自适应加权融合；

采用隐态聚类解构机制对融合后的特征序列进行时序处理，通过监测时序模型的隐状态聚类中心位移变化，结合动态阈值算法识别工况变化点，实现时序数据的自适应分段；

采用局部注意力机制在所述自适应分段内进行细粒度特征提取，同时采用全局注意力机制跨分段整合信息以建模长期依赖关系；

将经层次化注意力处理后的全局时序特征进行非线性变换，输出回转窑喷煤量的预测值。

2.如权利要求1所述的一种基于多模态数据动态门控的回转窑喷煤量预测方法，其特征在于，对燃烧图像数据进行空间特征提取包括：提取燃烧图像的亮度特征、清晰度特征、烟尘浓度特征及帧间一致性特征；

对工艺数值数据进行高维特征编码包括：

提取所述工艺数值的工艺参数变化率特征、短期波动性特征及燃烧状态编码特征。

3.如权利要求1所述的一种基于多模态数据动态门控的回转窑喷煤量预测方法，其特征在于，动态门控交叉注意力机制中，模态置信度通过多层感知机对提取的特征进行非线性映射生成，并通过正则化约束项平衡不同模态的置信度权重。

4.如权利要求1至3任一项所述的一种基于多模态数据动态门控的回转窑喷煤量预测方法，其特征在于，隐态聚类解构机制中，时序模型的隐状态通过长短期记忆网络提取，工况变化点的识别基于当前隐状态与历史聚类中心的位移量是否超过动态阈值确定，所述动态阈值为历史位移量的均值与预设敏感度系数乘以历史位移量的标准差之和。

5.一种回转窑喷煤量端对端预测装置，其特征在于，包括：

数据获取模块，用于采集回转窑工艺过程中的多模态数据，所述多模态数据至少包括燃烧图像数据和工艺数值数据；所述工艺数值数据至少包括燃烧状态参数和历史喷煤量数据，所述燃烧状态参数包括欠燃烧、正常燃烧及过燃烧状态对应的参数；

特征提取模块，用于对所述燃烧图像数据进行空间特征提取，对所述工艺数值数据进行高维特征编码；

多模态融合模块，采用动态门控交叉注意力机制对所述空间特征和高维特征进行融合，所述动态门控交叉注意力机制通过评估不同模态数据的质量以生成模态置信度，并基于所述模态置信度对不同模态特征进行自适应加权融合；

时序处理模块，采用隐态聚类解构机制对融合后的特征序列进行时序处理，所述隐态聚类解构机制通过监测时序模型的隐状态聚类中心位移变化，结合动态阈值算法识别工况变化点，实现时序数据的自适应分段；

层次化注意力模块，包括局部注意力机制和全局注意力机制，所述局部注意力机制用于在所述自适应分段内捕捉局部突变特征及微小状态转换，所述全局注意力机制用于通过跨分段信息交互建模长期依赖关系及全局变化趋势；

预测模块，将经层次化注意力处理后的全局时序特征进行非线性变换，输出回转窑喷煤量的预测值。

6.如权利要求5所述的回转窑喷煤量端对端预测装置，其特征在于，所述特征提取模块包括：图像特征提取单元，用于通过深度学习网络提取所述燃烧图像数据的亮度特征、清晰度特征、烟尘浓度特征及帧间一致性特征；

数值特征提取单元，用于通过深度学习网络提取所述工艺数值数据的工艺参数变化率特征、短期波动性特征及燃烧状态编码特征。

7.如权利要求6所述的回转窑喷煤量端对端预测装置，其特征在于，所述多模态融合模块包括：置信度评估单元，用于基于所述图像特征提取单元输出的特征生成图像模态置信度，基于所述数值特征提取单元输出的特征生成数值模态置信度；

动态加权单元，用于基于所述图像模态置信度和数值模态置信度构建置信度加权矩阵，通过所述置信度加权矩阵对特征融合过程中的关键特征和价值特征进行加权调整，实现高质量模态特征的自适应增强。

8.如权利要求7所述的回转窑喷煤量端对端预测装置，其特征在于，所述置信度评估单元通过多层感知机对所述图像特征和数值特征进行非线性映射，生成所述图像模态置信度和数值模态置信度；所述多模态融合模块还包括正则化单元，用于通过正则化约束项平衡所述图像模态置信度和数值模态置信度，避免模型过度依赖单一模态。

9.如权利要求5所述的回转窑喷煤量端对端预测装置，其特征在于，所述时序处理模块包括：隐状态提取单元，用于通过长短期记忆网络对融合后的特征序列进行处理，生成时序隐状态；

聚类中心计算单元，用于实时计算所述时序隐状态的聚类中心及当前隐状态与历史聚类中心的位移量；

变化点识别单元，用于将所述位移量与动态阈值进行对比，识别工况变化点以完成时序数据的自适应分段，所述动态阈值基于历史位移量的统计特性确定；

所述动态阈值为历史位移量的均值与预设敏感度系数乘以历史位移量的标准差之和。

10.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序包括用于控制过程以执行过程的程序代码，所述过程包括根据权利要求1至4任一项所述的基于多模态数据动态门控的回转窑喷煤量预测方法。