1.一種產線設備狀態預測識別裝置，其特征在于，包括：

信息采集裝置，用于通過傳感器采集目標設備的狀態信息數據，并將采集數據發送給狀態預測識別裝置；

狀態預測識別裝置，用于將信息采集裝置采集的目標設備狀態信息進行處理，得到目標設備的健康診斷結果；

信息顯示裝置，用于獲取狀態預測識別裝置所預測的健康診斷結果，并實時輸出健康診斷結果曲線，并給出目標設備的健康狀態評估；

所述狀態預測識別裝置包括：

數據儲存子單元，用于儲存信息采集裝置采集的目標設備的狀態信息數據以及目標設備的健康診斷結果；

數據預處理子單元，用于對目標設備的狀態信息數據進行預處理；

數據分割子單元，用于對預處理后的目標設備的狀態信息數據根據模型構建子單元所需要的格式進行數據分割并將分割后的狀態信息數據作為模型構建子單元的LSTM神經網絡模型的輸入；

模型構建子單元，用于確定LSTM神經網絡模型的輸入層數、隱藏層數、各個隱藏層節點數、激活函數、損失函數；

模型訓練子單元，用于將分割后的狀態信息數據利用模型構建子單元構建的LSTM神經網絡模型進行訓練，確定LSTM的參數信息，并根據不同的參數信息構建求解預測結果的訓練模型以及求解殘差的訓練模型，分別輸出給預測處理子單元和輔助模型子單元；

預測處理子單元，用于將分割后的目標設備的狀態信息作為輸入，利用模型訓練子模塊輸出的求解預測結果的訓練模型進行預測，輸出目標設備的初步預測結果；

輔助模型子單元，用于將分割后的目標設備的狀態信息作為輸入，利用模型訓練子模塊輸出的求解殘差的訓練模型進行預測，輸出預測殘差值；

循環預測子單元，用于根據輔助模型子單元輸出的預測殘差值對預測處理子單元輸出的目標設備的初步預測結果進行修正以及對修正后的預測結果進行多步預測；

結果確定子模塊，用于對循環預測子單元多步預測后的數據進行組合以及反歸一化處理，得到目標設備的健康診斷結果，并輸出給信息顯示裝置以及數據儲存子單元；

所述多步預測具體為：

1)根據如下公式得到修正后的預測結果y″_t：

y″_t＝y′_t+Δy

其中，將分割后的目標設備的狀態信息的時間序列{y_t-n，…，y_t-2，y_t-1}分別輸入預測處理子單元和輔助處理子單元，分別可以得到目標設備的初步預測結果即預測值y′_t和預測殘差值Δy，n為分割窗口大小；

2)丟棄掉輸入的時間序列的最后一個值，并將修正后的預測結果值插入到輸入的時間序列的頭部，得到新的時間序列{y_t-n+1，…，y_t-1，y″_t}；

3)判斷是否達到預設的預測步長，若不滿足，則將新構建的序列分別重新輸入預測處理子單元和輔助處理子單元中，返回步驟1)，直到滿足預測要求。