1.一种电子烟雾化器寿命分析方法，其特征在于，所述方法包括：

在电子烟使用过程中录入所述电子烟的各项使用数据，所述电子烟的各项使用数据包括所述电子烟历史使用时长、抽吸次数、平均加热温度以及单次抽吸平均时长；

获取电子烟的各项配置信息，所述电子烟的各项配置信息包括所述电子烟的储油仓容积、雾化器内雾化芯的阻值、最大电池容量、电池工作电压以及电池杆长度；

构建执行电子烟雾化器寿命的智能分析的智能预测模型，所述智能预测模型为经过设定数量的各次训练后的深度神经网络，所述设定数量的取值与所述电子烟的储油仓容积成正比；

采用所述智能预测模型以基于电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据智能预测电子烟使用寿命；

以当前时刻对应的电子烟历史使用时长作为过往使用时长，在所述电子烟使用寿命与所述过往使用时长的差值小于等于限定时长阈值时，发出报废预警信号，否则，发出健康使用信号；

其中，构建执行电子烟雾化器寿命的智能分析的智能预测模型，所述智能预测模型为经过设定数量的各次训练后的深度神经网络，所述设定数量的取值与所述电子烟的储油仓容积成正比包括：采用各件报废电子烟的各项使用内容分别执行各次训练动作；

其中，采用各件报废电子烟的各项使用内容分别执行所述各次训练动作包括：针对每一次训练动作使用单件报废电子烟的使用内容，所述单件报废电子烟的使用内容包括所述单件报废电子烟的报废前使用总时长，同时还包括所述单件报废电子烟的各项配置信息以及所述单件报废电子烟在报废前的使用过程中的各项使用数据；

其中，所述电子烟包括雾化器、储油仓、充电口、电池、电池杆、电路板以及控制芯片，所述雾化器包括雾化芯，所述雾化器用于将所述储油仓内的烟液进行加热以蒸发为蒸汽并输出。

2.如权利要求1所述的电子烟雾化器寿命分析方法，其特征在于：

所述电子烟的各项使用数据包括所述电子烟的历史使用时长、抽吸次数、平均加热温度以及单次抽吸平均时长包括：获取所述电子烟历史上各次使用分别对应的多个使用时长，对所述多个使用时长进行累计以获得所述电子烟的历史使用时长；

其中，所述电子烟的各项使用数据包括所述电子烟的历史使用时长、抽吸次数、平均加热温度以及单次抽吸平均时长还包括：获取所述电子烟历史上各次抽吸分别对应的多个抽吸时长，对所述多个抽吸时长进行算术平均值的计算处理以获得所述电子烟的单次抽吸平均时长；

其中，获取所述电子烟历史上各次抽吸分别对应的多个抽吸时长，对所述多个抽吸时长进行算术平均值的计算处理以获得所述电子烟的单次抽吸平均时长包括：所述电子烟的每一次使用包括多次抽吸动作；

其中，所述电子烟的各项使用数据包括所述电子烟的历史使用时长、抽吸次数、平均加热温度以及单次抽吸平均时长还包括：获取所述电子烟历史上各次使用分别对应的多个加热温度，对所述多个加热温度进行算术平均值的计算处理以获得所述电子烟的平均加热温度；

其中，所述电子烟包括雾化器、储油仓、充电口、电池、电池杆、电路板以及控制芯片，所述雾化器包括雾化芯，所述雾化器用于将所述储油仓内的烟液进行加热以蒸发为蒸汽并输出包括：所述电池为可更换锂电池，所述电池杆为铝合金一体拉伸结构。

3.如权利要求2所述的电子烟雾化器寿命分析方法，其特征在于，所述方法还包括：

在接收到所述报废预警信号的同时，以红色高亮模式显示所述电子烟使用寿命与所述过往使用时长的差值。

4.如权利要求2所述的电子烟雾化器寿命分析方法，其特征在于，所述方法还包括：

在以当前时刻对应的电子烟历史使用时长作为过往使用时长，在所述电子烟使用寿命与所述过往使用时长的差值小于等于限定时长阈值时，发出报废预警信号，否则，发出健康使用信号之前：采用设置在电子烟的电池杆内的阈值存储芯片以预先存储所述限定时长阈值。

5.如权利要求2‑4任一所述的电子烟雾化器寿命分析方法，其特征在于：

采用所述智能预测模型以基于电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据智能预测电子烟使用寿命包括：将电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据并行输入到所述智能预测模型内；

其中，采用所述智能预测模型以基于电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据智能预测电子烟使用寿命还包括：运行所述智能预测模型以获得其输出的电子烟使用寿命。

6.如权利要求2‑4任一所述的电子烟雾化器寿命分析方法，其特征在于：

将电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据并行输入到所述智能预测模型内包括：在将电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据并行输入到所述智能预测模型内之前，对电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据进行同步八进制数值转换处理；

其中，运行所述智能预测模型以获得其输出的电子烟使用寿命包括：其输出的电子烟使用寿命为八进制数值表示形式。

7.如权利要求2‑4任一所述的电子烟雾化器寿命分析方法，其特征在于：

所述智能预测模型为经过设定数量的各次训练后的深度神经网络，所述设定数量的取值与所述电子烟的储油仓容积成正比包括：采用信息转换公式表示所述设定数量的取值与所述电子烟的储油仓容积成正比的信息对应关系。

8.如权利要求2‑4任一所述的电子烟雾化器寿命分析方法，其特征在于：

采用所述智能预测模型以基于电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据智能预测电子烟使用寿命包括：采用数值仿真模式实现对采用所述智能预测模型以基于电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据智能预测电子烟使用寿命的处理过程的仿真和测试。

9.如权利要求2‑4任一所述的电子烟雾化器寿命分析方法，其特征在于：

针对每一次训练动作使用单件报废电子烟的使用内容，所述单件报废电子烟的使用内容包括所述单件报废电子烟的报废前使用总时长，同时还包括所述单件报废电子烟的各项配置信息以及所述单件报废电子烟在报废前的使用过程中的各项使用数据包括：在所述训练动作中，将所述单件报废电子烟的报废前使用总时长作为深度神经网络的输出数据；

其中，针对每一次训练动作使用单件报废电子烟的使用内容，所述单件报废电子烟的使用内容包括所述单件报废电子烟的报废前使用总时长，同时还包括所述单件报废电子烟的各项配置信息以及所述单件报废电子烟在报废前的使用过程中的各项使用数据包括：在所述训练动作中，将所述单件报废电子烟的各项配置信息以及所述单件报废电子烟在报废前的使用过程中的各项使用数据作为深度神经网络的输入数据。