1.一种基于边缘物联技术和神经网络的炼铁厂安全态势感知方法，其特征在于，包括如下步骤：S1：将炼铁厂生产系统与人物环系统分解成子系统，然后将分解后的两类系统进行耦合、异构融合和池化；

S2：数据采集：建立炼铁厂生产系统与人物环系统的物联网网关连接关系，利用各类传感器对炼铁厂生产系统与人物环系统中各子系统的数据进行采集，将得到的数据在搭建的存储服务器中进行存储，形成一个拥有大量采集信息的数据池；

S3：边缘物联平台构建；

S4：人工神经网络预测；

S5：炼铁厂安全态势感知实现；

步骤S1中，所述的炼铁厂生产系统包括高炉本体系统、供料上料系统、炉顶系统、送风系统、铁渣处理系统、煤气除尘系统；将炼铁厂生产系统分解为它们各自的子系统；具体如下：在所述的安全态势感知方法中，所谓系统分解就是将原有的生产工艺进行更细致的划分，目的是使炼铁生产过程模块化、统一化、具体化、便于集中管理；采用分系统、子系统的思路进行划分；保持原有炼铁工艺所包含的高炉本体以及辅助系统，将其作为分系统；所有炼铁的生产环节都包含在分系统之下，这些分系统功能明确，各自负责炼铁生产过程的一部分，组合在一起就是一个完整的工艺流程；

所述的人物环系统包括人的系统、物的系统、环的系统，所述的人的系统包括人员识别、人员监控和人员定位子系统；所述的物的系统包括车辆、物资、设施子系统；所述的环的系统包括自然、生产、能耗子系统；

步骤S1中，两类系统进行耦合具体为：将两类系统的各自子系统的所有数据共享，从而达到协调联动，当炼铁厂生产系统的某一系统发生安全事故时，厂区人的系统产生响应，定位危险区域人员，提示其快速离开危险区域；同时物的系统产生响应，撤离重要物资，关闭相关设施；环的系统产生响应，对危险区域进行隔离；各系统协调联动将危害降到最低；

所述的步骤S4具体包括如下步骤：

S41：构建安全评估指标体系，即确定需要进行评估的对象以及该对象需要进行评估的内容；

S42：通过数据接口提取步骤S2所构建的数据池中所存储的关于各评估对象安全状况的数据，从这些数据中提取影响系统安全的信息，明确系统本身的状况形成安全分析表；所述影响系统安全的信息包括危险源、危险类型；

S43：通过评估算法对安全分析表进行计算，将计算结果即各子系统危险指数h作为反映各子系统危险程度的依据；

S44：将S43的计算结果作为神经网络的期望输出，经神经网络的学习训练，实现子系统危险指数h的自动化评估预测。

2.根据权利要求1所述的一种基于边缘物联技术和神经网络的炼铁厂安全态势感知方法，其特征在于，步骤S1中，所述的池化具体为：将每个子系统的硬件与原系统脱离，统一纳入到厂区的资源池中由云端服务器进行控制和资源组合。

3.根据权利要求1所述的一种基于边缘物联技术和神经网络的炼铁厂安全态势感知方法，其特征在于，步骤S1中，所述的异构融合为将两类系统的各自子系统中的基于不同协议的设备通过统一的协议标准连接到边缘物联平台进行集中式管理。

4.根据权利要求1所述的一种基于边缘物联技术和神经网络的炼铁厂安全态势感知方法，其特征在于，所述的步骤S3的边缘物联平台构建具体为：将炼铁厂生产系统和人物环系统的各分系统、子系统通过搭建边缘服务器以及边缘服务平台的方式升级为功能性边缘节点，这些边缘节点不仅能纵向控制其直属的各子系统，还能以边缘网络的形式与其他边缘节点进行横向的信息交互；将这些边缘节点统一于云端构建边缘物联平台，从而形成云‑边‑端三层架构。

5.根据权利要求1所述的一种基于边缘物联技术和神经网络的炼铁厂安全态势感知方法，其特征在于，所述的S41中确定的评估的对象为：以分系统为一类指标，以子系统为二类指标作为评估对象；所述的评估的内容包括：（1）第一个指标为“危险模式数”，即该系统以危险模式运行的总次数；

（2）第二个指标为“设备、设施缺陷数”；

（3）第三个指标为“作业环境缺陷数”；

（4）第四个指标为“危险暴露时长”。

6.根据权利要求1所述的一种基于边缘物联技术和神经网络的炼铁厂安全态势感知方法，其特征在于，所述的S44具体包括：神经网络的输入层的输入节点包括危险模式数、设备缺陷数、环境缺陷数、危险暴露时长、本质安全化水平、物质危险系数六项指标，以一个月为一个时间节点截取一次所有子系统的六类指标数据，形成神经网络训练集的输入矩阵，用于训练神经网络；

神经网络的输出层的输出结果为所有子系统的危险指数h。