1.一种基于TCN和粒子滤波的关键设备剩余寿命预测方法，其特征在于，具体按照以下步骤实施：步骤1、获取关键设备的监测数据值C

步骤2、将步骤1中得到的监测数据C用EMD技术分解成一个残余序列r(t)和两个本征模态函数IMF步骤3、对于经过步骤2分解后得到的残余序列，用TCN网络进行预测，得到残余序列的预测结果；

所述步骤3具体如下：

步骤3.1、在步骤2分解后得到的残余序列r(t)中设定预测起始点T，其中T∈[1,n]且T取整数，并划分训练集和测试集：将T前的r(t)作为训练集，T后的r(t)作为测试集；

步骤3.2、首先建立TCN网络模型并设置模型参数的初始值，设置网络层数为3层，隐层神经元个数为6，TCN网络的最大迭代次数为200次，Dropout率为0.5，学习率为3，扩张因果卷积的卷积核大小为7，采用Adam作为优化器，采用ReLU函数作为激活函数，接着将所述步骤3.1得到的训练集中的数据作为TCN网络的输入，训练该网络，得到最优模型参数；

步骤3.3、使用所述步骤3.2训练好的TCN网络对所述步骤3.1得到的测试集中的数据进行预测，得到残余序列的预测结果r步骤4、对于经过步骤2分解后得到的IMF步骤5、将步骤3和步骤4中得到的预测结果相加融合，从而计算出关键设备的剩余寿命预测结果。

2.根据权利要求1所述的一种基于TCN和粒子滤波的关键设备剩余寿命预测方法，其特征在于，所述步骤2具体如下：步骤2.1、采用EMD技术将步骤1中获取到的关键设备监测数据C分解为2个本征模态函数IMF步骤2.2、用步骤2.1中分解后得到的本征模态函数IMF

3.根据权利要求2所述的一种基于TCN和粒子滤波的关键设备剩余寿命预测方法，其特征在于，所述步骤4具体如下：步骤4.1、选择双指数函数C

步骤4.2、建立状态空间方程，包括状态转移方程和量测方程，其中状态转移方程为：x

量测方程为：

其中，x

步骤4.3、在步骤2分解后得到的本征模态函数IMF步骤4.4、采用PF算法对测试集中的数据进行预测，得到IMF

4.根据权利要求3所述的一种基于TCN和粒子滤波的关键设备剩余寿命预测方法，其特征在于，所述步骤4.4具体如下：步骤4.4.1、初始化参数，从系统的先验概率密度分布p(x步骤4.4.2、进行重要性采样并更新粒子权值，在k时刻，从系统状态的后验概率密度中采样得到粒子其中，

步骤4.4.3、重采样，判断有效粒子数N步骤4.4.4、进行预测，基于系统的状态方程，预测系统在k+1时刻的状态参数

5.根据权利要求4所述的一种基于TCN和粒子滤波的关键设备剩余寿命预测方法，其特征在于，所述步骤5具体如下：步骤5.1、将步骤3得到的预测结果r

步骤5.2、根据循环使用寿命与剩余使用寿命的关系，通过公式N