1.基于深度学习的智能增材制造路径规划方法，其特征在于，包括以下步骤：

获取金属粉末预处理参数，通过对金属粉末预处理参数分析评估，得到金属粉末预处理水平修正值，根据金属粉末预处理水平修正值对金属粉末预处理方案进行调整；

获取金属热塑制造处理参数，通过对金属热塑制造处理参数分析评估，得到金属热塑蒸发程度修正值，得到金属热塑热应力影响值，根据金属热塑蒸发程度修正值和金属热塑热应力影响值对金属热塑制造处理方案进行调整；

获取金属热塑层间结合处理参数，构建金属热塑层间结合深度学习模型，通过金属热塑层间结合深度学习模型分析得到第一金属热塑层间结合评估值和第二金属热塑层间结合评估值，对比得到金属热塑层间结合评估差值，分析得到合金金属增材制造层间结合综合评估值；

根据合金金属增材制造层间结合综合评估值对智能增材制造路径规划方案进行调控。

2.如权利要求1所述基于深度学习的智能增材制造路径规划方法，其特征在于，所述得到金属粉末预处理水平修正值的具体步骤为：所述金属粉末预处理水平修正值用于描述金属粉末预处理对于智能金属增材制造的影响水平；

设置金属粉末预处理监测点，在金属粉末预处理监测点下通过智能金属粉末采集设备采集金属粉末预处理后的金属材料特征参数，通过特征工程方法对金属粉末预处理后的金属材料特征参数进行特征选择，得到金属粉末预处理特征参数，将金属粉末预处理特征参数与金属智能增材制造数据标准库中的金属粉末预处理特征标准参数对比分析得到金属粉末预处理水平修正值；

所述金属粉末预处理特征标准参数由金属粉末预处理历史数据经过主成分分析算法训练分析得到。

3.如权利要求1所述基于深度学习的智能增材制造路径规划方法，其特征在于，所述根据金属粉末预处理水平修正值对金属粉末预处理方案进行调整的具体步骤为：将金属粉末预处理水平修正值与金属智能增材制造数据标准库中的金属粉末预处理水平阈值对比分析，将金属粉末预处理水平修正值与金属粉末预处理水平阈值对比分析，若对应的两者差值大于预设金属粉末预处理允许差值，则判定金属粉末预处理水平为不合格，依次遍历金属粉末预处理参数，记录金属粉末预处理参数对应的金属粉末预处理方法流程并对金属粉末重新进行处理。

4.如权利要求1所述基于深度学习的智能增材制造路径规划方法，其特征在于，所述得到金属热塑蒸发程度修正值的具体步骤为：所述金属热塑蒸发程度修正值用于指代金属热塑制造处理中金属热塑蒸发对于智能金属增材制造的影响水平；

设置金属热塑蒸发监测点，在金属热塑蒸发监测点下通过第一智能金属热塑采集设备采集金属热塑制造后的金属热塑特征参数，通过主成分分析法对金属热塑特征参数进行特征提取，得到金属热塑制造蒸发特征参数，将金属热塑制造蒸发特征参数与金属智能增材制造数据标准库中的金属热塑制造实验验证特征标准参数对比分析，得到金属热塑蒸发程度修正值；

所述金属热塑制造实验验证特征标准参数用于描述在实验模拟条件下的金属热塑制造时金属蒸发标准参数。

5.如权利要求1所述基于深度学习的智能增材制造路径规划方法，其特征在于，所述得到金属热塑热应力影响值的具体步骤为：所述金属热塑热应力影响值用于表示金属热塑制造处理中金属热塑应力对于智能金属增材制造的影响水平；

设置金属热塑热应力监测点，在金属热塑热应力监测点下通过第二智能金属热塑采集设备采集金属热塑制造后的金属热塑热应力特征参数，通过金属热塑热应力特征参数使用有限元分析法构建有限元金属热塑热应力分析模型，通过有限元金属热塑热应力分析模型对金属热塑层厚分析，结合金属热塑生产环节实测数据匹配得到金属层厚影响匹配因子，结合金属热塑热应力温度参数由此分析得到金属热塑热应力影响值。

6.如权利要求1所述基于深度学习的智能增材制造路径规划方法，其特征在于，所述根据金属热塑蒸发程度修正值和金属热塑热应力影响值对金属热塑制造处理方案进行调整的具体过程为：通过实测评估得到若干金属热塑蒸发程度修正值和若干金属热塑热应力影响值，将若干金属热塑蒸发程度修正值和若干金属热塑热应力影响值合并为金属热塑应力蒸发数据集，将金属热塑应力蒸发数据集加载在第一智能设备中，第一智能设备对金属热塑应力蒸发数据集进行数据预处理；

构建金属热塑神经网络模型，通过第一智能设备设定模型结构、激活函数、优化器和损失函数；

使用金属热塑应力蒸发数据集对金属热塑神经网络模型进行训练，得到金属热塑神经网络模型预测结果，根据金属热塑神经网络模型预测结果对金属热塑制造处理方案进行调整。

7.如权利要求1所述基于深度学习的智能增材制造路径规划方法，其特征在于，所述对比得到金属热塑层间结合评估差值的具体过程为：通过智能金属热塑层间结合设备采集金属热塑层间结合参数，对收集到的数据进行数据清洗和数据归一化，得到金属热塑层间结合预处理参数；

构建金属热塑层间结合评估深度学习模型，利用金属热塑层间结合预处理参数，对金属热塑层间结合评估深度学习模型进行训练，根据金属热塑层间结合评估深度学习模型的训练结果对金属热塑层间结合评估深度学习模型进行超参数调优；

利用金属热塑层间结合评估深度学习模型分析得到第一金属热塑层间结合评估值和第二金属热塑层间结合评估值，所述第一金属热塑层间结合评估值用于描述第一金属热塑层间结合质量水平，所述第二金属热塑层间结合评估值用于描述第二金属热塑层间结合质量水平；

将第一金属热塑层间结合评估值和第二金属热塑层间结合评估值进行对比分析，得到金属热塑层间结合评估差值。

8.如权利要求1所述基于深度学习的智能增材制造路径规划方法，其特征在于，所述根据合金金属增材制造层间结合综合评估值对智能增材制造路径规划方案进行调控的具体过程为：所述合金金属增材制造层间结合综合评估值用于表述金属热塑制造处理中金属热塑应力对于智能金属增材制造的影响水平；

若合金金属增材制造层间结合综合评估值不大于预设合金金属增材制造层间结合第一综合阈值，则不调整；

若合金金属增材制造层间结合综合评估值大于预设合金金属增材制造层间结合第一综合阈值且不大于预设合金金属增材制造层间结合第二综合阈值，则提高合金金属增材制造层间结合时的金属热塑预热温度；

若合金金属增材制造层间结合综合评估值大于预设合金金属增材制造层间结合第二综合阈值且不大于预设合金金属增材制造层间结合第三综合阈值，则重新评估调控合金金属增材制造层间结合时的金属热塑熔池温度；

若合金金属增材制造层间结合综合评估值大于预设合金金属增材制造层间结合第三综合阈值，则重新评估调控合金金属增材制造层间结合时的金属热塑的激光扫描功率和激光扫描速度。

9.如权利要求1所述基于深度学习的智能增材制造路径规划方法，其特征在于，所述合金金属增材制造层间结合综合评估值，具体计算公式为：式中，

10.基于深度学习的智能增材制造路径规划系统，其特征在于，所述基于深度学习的智能增材制造路径规划系统包括金属粉末预处理分析调控模块、金属热塑制造处理分析调控模块、金属热塑层间结合处理分析模块和金属热塑层间结合处理调控模块；

所述金属粉末预处理分析调控模块，用于获取金属粉末预处理参数，通过对金属粉末预处理参数分析评估，得到金属粉末预处理水平修正值，根据金属粉末预处理水平修正值对金属粉末预处理方案进行调整；

所述金属热塑制造处理分析调控模块，用于获取金属热塑制造处理参数，通过对金属热塑制造处理参数分析评估，得到金属热塑蒸发程度修正值，得到金属热塑热应力影响值，根据金属热塑蒸发程度修正值和金属热塑热应力影响值对金属热塑制造处理方案进行调整；

所述金属热塑层间结合处理分析模块，用于获取金属热塑层间结合处理参数，构建金属热塑层间结合深度学习模型，通过金属热塑层间结合深度学习模型分析得到第一金属热塑层间结合评估值和第二金属热塑层间结合评估值，对比得到金属热塑层间结合评估差值，分析得到合金金属增材制造层间结合综合评估值；

所述金属热塑层间结合处理调控模块，用于根据合金金属增材制造层间结合综合评估值对智能增材制造路径规划方案进行调控。