1.基于时序特征提取的烧结过程运行性能评价方法，其特征在于，包括：步骤一、对烧结终点的时间序列数据和检测参数的时间序列数据进行预处理；

步骤二、以烧结终点为决策参数，求取过程能力指数，并以此为依据划分烧结过程的运行性能等级；

步骤三、提取烧结过程每个检测参数时间序列的四种特征变量，分别是平均值、标准差、平均绝对误差和趋势特征；

步骤四、将时间序列的四种特征变量作为运行性能评价模型的输入量，将运行性能等级的编码作为运行性能评价模型的输出量，利用反向传播神经网络构建运行性能评价模型。

2.根据权利要求1所述的基于时序特征提取的烧结过程运行性能评价方法，其特征在于，步骤一具体包括：剔除传感器故障和停机情况引起的零检测数据；数据的采样间隔设置为30秒；对于烧结终点的时间序列数据和检测参数的时间序列数据，选择每个时间子序列的长度为10分钟，包含20个数据点。

3.根据权利要求1所述的基于时序特征提取的烧结过程运行性能评价方法，其特征在于，步骤二具体包括：S21、求取烧结终点时间子序列的过程能力指数，表示为，其中，USL和LSL是烧结终点的规格上限和下限，T是期望的烧结终点平均值， 是烧结终点时间子序列的估计平均值， 是烧结终点时间子序列的标准差；

S22、根据过程能力指数的数值大小来划分运行性能等级，如果 则运行性能等级为“优秀”；

如果 则运行性能等级为“良好”；

如果 则运行性能等级为“一般”；

如果 则运行性能等级为“较差”；

如果 则运行性能等级为“很差”。

4.根据权利要求1所述的基于时序特征提取的烧结过程运行性能评价方法，其特征在于，步骤三具体包括：S31、求取检测参数时间子序列的平均值：检测参数时间子序列X＝{x1,x2,...,xn}，n是时间子序列的长度，平均值表示为，S32、求取检测参数时间子序列的标准差，表示为，S33、求取检测参数时间子序列的平均绝对误差，表示为，S34、求取检测参数时间子序列的趋势特征，表示为，式中，

其中，sign()是符号函数。

5.根据权利要求1所述的基于时序特征提取的烧结过程运行性能评价方法，其特征在于，步骤四具体包括：S41、对运行性能等级进行编码，表示为“某等级”＝[P优秀,P良好,P一般,P较差,P很差]，编码方式如下，每行编码依次表示属于性能等级“优秀”、“良好”、“一般”、“较差”、“很差”的概率；

S42、根据步骤三所述方法提取每个检测参数的时间序列特征变量，根据步骤S41的编码方式，对运行性能等级进行编码，以时间序列特征变量作为运行性能评价模型的输入量，将运行性能等级的编码作为运行性能评价模型的输出量，利用反向传播神经网络构建运行性能评价模型；

S43、反向传播神经网络的输出结果为属于5种等级的概率，选择概率最大的运行性能等级为输出。

6.根据权利要求5所述的基于时序特征提取的烧结过程运行性能评价方法，其特征在于，烧结过程有20个检测参数，那么设计的反向传播神经网络结构为20×4个输入层数，5个输出层数的反向传播神经网络，设置隐含层数为27，隐含层激励函数设置为tansig()，输出层的激励函数为purelin()。

7.基于时间序列特征提取的烧结过程运行性能评价系统，其特征在于，包括：处理器及存储设备；所述处理器加载并执行存储设备中的指令及数据用于实现权利要求1～6所述的任意基于时序特征提取的烧结过程运行性能评价方法。