1.一种用于离子管剩余寿命预测的多模态神经网络计算方法，其特征在于，包括以下步骤：

S1.分析离子管运行状态特性数据，提取数据模态特征；

所述离子管是指一种用于产生大气压低温等离子体的介质阻挡放电器件，该器件采用密闭玻璃管结构，玻璃管内衬金属薄片作为内电极，外部包裹不锈钢网作为外电极，通过在内外电极之间施加高电压，形成稳定的电晕放电；所述分析离子管运行状态特性数据是指分析表征离子管持续运行状态的数据，包括离子管的测量电压与总电压，其中测量电压与总电压分别代表离子管运行过程中的电荷量以及工作电压，通过测量电压与总电压绘制离子管的李萨如图，通过李萨如图表征离子管的运行状态；所述提取数据模态特征是指分析离子管运行过程中总电压与测量电压的时间序列数据，提取数据的趋势特征、频率特征以及关联特征，得到数据的多模态特征；

S2.构建并训练多模态神经网络；

所述多模态神经网络是指采用离子管总电压、测量电压及其模态特征作为输入，实现对总电压与测量电压时间序列信号预测计算的长短期记忆神经网络(Long Short-TermMemory, LSTM)；所构建长短期记忆神经网络的结构为：输入层、LSTM层、全连接层、输出层，其中输入层的特征矩阵为500×6，包括6个特征，序列步长为500个点；LSTM层包括三层LSTM神经元，每层神经元个数分别为64、32及16，每层神经元计算的丢弃率均设置为20%；全连接层神经元个数为32，丢弃率设置为20%；输出层神经元个数为2个，分别输出总电压与测量电压信号；所述多模态神经网络的训练过程为：将获取的离子管总电压与测量电压及其模态特征数据构建样本数据集，样本数据集的规模为108万组数据，样本数据的时间跨度为15天；采用样本数据集训练并测试所构建的LSTM神经网络；

S3.采用多模态神经网络预测离子管剩余寿命。

2.根据权利要求1所述的一种用于离子管剩余寿命预测的多模态神经网络计算方法，其特征在于，所述步骤S3中，采用已训练的多模态LSTM神经网络预测离子管剩余寿命包括短期预测计算与长期预测计算两个过程，离子管的剩余寿命单位为小时；短期预测计算的有效时长是15天，长期预测计算采用分段接力计算方式，由多个短期预测计算过程组成；具体的计算过程为：①获取离子管当前运行状态数据，②基于数据识别离子管状态，③基于状态判断离子管是否失效，若失效则根据累计短期预测计算时长给出剩余寿命，若未失效则基于当前状态定位参与预测计算的多模态LSTM神经网络模型，④基于多模态LSTM神经网络模型进行短期预测计算得到状态预测数据，最后回到②离子管状态识别过程实现循环计算。