1.一种基于遗传算法优化神经网络结构的机器人姿态控制方法，其特征在于，包括：S1：建立机器人手臂位姿和机器人夹持件位姿的机器人运动学方程；

S2：基于加工物体形状、大小和位置确定机器人手臂运动的轨迹参数和机器人夹持件运动的轨迹参数，所述机器人手臂运动的轨迹参数包括以手臂为轴的转动角度、行进距离和加速度；所述机器人夹持件运动的轨迹参数包括夹持件的握持力度和握持空间大小距离；

S3：获取机器人手臂的运动轨迹和机器人夹持件的运动轨迹，对运动的轨迹点进行采样；

S4：对所述机器人运动学方程中无干涉轨迹点的手臂和夹持件位姿进行逆运动学求解，求出表征机器人手臂转动角度的集合、行进距离的集合、加速度集合和机器人夹持件握持力度值的集合、握持空间大小距离值的集合；

S5：获取机器人手臂转动角度的集合、行进距离的集合、加速度集合和机器人夹持件握持力度值的集合、握持空间大小距离值的集合，基于遗传算法求出对应的机器人手臂转动角度最优解、机器人手臂行进距离最优解、机器人手臂加速度最优解、机器人夹持件握持力度最优解和机器人夹持件握持空间大小最优解。

2.如权利要求1所述的基于遗传算法优化神经网络结构的机器人姿态控制方法，其特征在于，在所述步骤S2中，S2-1：获取加工物体图像，对加工物体图像进行预处理；

S2-2：基于图像矩原理得出加工物体大小、形状和位置。

3.如权利要求1所述的基于遗传算法优化神经网络结构的机器人姿态控制方法，其特征在于，在所述步骤S2中，S2-3：基于神经网络结构建立夹持件抓取力度运动方程，选取对应加工物体的对应抓取轨迹参数。

4.如权利要求1所述的基于遗传算法优化神经网络结构的机器人姿态控制方法，其特征在于，在所述步骤S3中，S3-1：在所述机器人手臂的轨迹上等时间间隔选取参考点。

5.如权利要求1所述的基于遗传算法优化神经网络结构的机器人姿态控制方法，其特征在于，在所述步骤S5中，S5-1：对机器人手臂转动角度的集合、行进距离的集合、加速度的集合和机器人夹持件握持力度值的集合、握持空间大小距离值的集合分别进行编码，分别生成对应的初代种群染色体；

S5-2：分别建立机器人手臂对应转动角度、行进距离和加速度的运动关节变化量的目标函数以及机器人夹持件对应握持力度和握持空间大小距离的运动关节变化量的目标函数；

S5-3：分别建立对应所述目标函数的适应度函数；

S5-4：对对应的所述初代种群染色体进行遗传迭代操作，直到其子代种群染色体满足对应所述适应度函数的停止条件，将所述子代种群染色体作为目标种群染色体；

S5-5：对对应所述目标种群染色体进行解码后得到对应目标逆解。