1.基于炒肉优化算法的智能下肢假肢人体运动意图识别方法，其特征在于，包括以下步骤：离线权重向量训练：先构建多运动模式数据集并预处理，组成一个均等样本量数据集和五个按先验概率构造的非均衡数据集，再设计炒肉优化算法并训练，模拟中式炒肉过程调整机器学习模型中的特征权重，得到对应不同运动场景的权重向量；

实时特征优化执行：采集智能下肢假肢的传感器信号，提取特征值组成特征向量；加载所述离线权重向量训练得到的权重向量，对所述特征向量进行权重优化；将优化后的特征向量输入意图识别分类器预测运动模式；根据运动模式是否切换，自适应选择半规律性权重向量优化或使用炒肉优化算法重新训练优化权重向量；

所述炒肉优化算法包括以下过程：

构建炒锅温度分布模型；

基于炒锅热场和冷却效应的肉片基础热量调节过程；

基于精英肉片引导的肉片之间热量传递过程；

通过翻动操作重新分配肉片在搜索空间中位置的肉片翻动过程；

用于更新Alpha、Beta、Delta精英并监测算法收敛状态的精英更新过程；

所述炒锅温度分布模型的温度分布通过以下公式计算：；

其中， 是肉片所在位置的温度； 是基础温度； 是肉片到原点的欧氏距离； 是维度；

所述肉片基础热量调节过程中，肉片的初步更新热量 的计算公式如下：；

其中， 是肉片 的热量； 是锅加热项； 是冷却项；

所述肉片之间热量传递过程中，肉片 的最终获得热量 的计算公式如下：；

其中， 是肉片 的初步更新热量； 是总热量传递项；

所述肉片翻动过程包括：

根据翻动选择概率触发翻动操作；

根据肉片适应度与所有肉片适应度中位数的关系，将肉片分为较差肉片和较好肉片两类；所述较差肉片的位置根据历史精英组合或当前精英组合的方向进行更新；所述较好肉片的位置通过精英引导或莱维飞行策略进行更新；

所述精英更新过程包括：

通过适应度排序选择前3个候选精英，分别对应Alpha、Beta、Delta精英；

采用停滞计数器监测算法收敛状态，当连续未找到更优解时计数器增加，当找到新的Alpha精英时计数器重置；

所述实时特征优化执行中，当运动模式未切换且运动未因识别错误终止时，进行半规律性权重向量优化，趋近公式为：；

其中： 为新计算出的权重向量值； 为趋近因子， ； 为当前权重向量值； 为待趋近权重向量； 为随机因子； 为在 范围内均匀分布的随机数；

当运动模式切换且运动未因识别错误终止时，重新训练的数据集 表示如下：；

其中： 为运动状态数量； 为当前运动序号； 为第 种运动状态预存储的数据集；

当前步态前若干步组成的数据集；

总样本数 为：

；

其中： 为每种运动状态预存储的数据量； 为当前步态前预存储的历史运动数据量。

2.根据权利要求1所述的基于炒肉优化算法的智能下肢假肢人体运动意图识别方法，其特征在于，所述传感器信号包括IMU传感器信号、地反力垂直分量和膝关节角度信号。

3.基于炒肉优化算法的智能下肢假肢人体运动意图识别系统，其特征在于，包括处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如权利要求1或2所述的基于炒肉优化算法的智能下肢假肢人体运动意图识别方法。