1.一种适用于轧制差厚板盒形件拉深成形的控制系统，适用于轧制差厚板盒形件的拉深成形，其特征在于，作为控制系统执行部件的模具包括：凸模(1)、第一压边块、第二压边块、凹模底座、液压控制系统；

所述第一压边块和所述第二压边块位于所述凸模(1)上，所述凹模底座上表面放置差厚板(7)，所述第一压边块和所述第二压边块均与所述差厚板(7)接触并提供压边力，所述液压控制系统向所述第一压边块和所述第二压边块施加液压力，进而为所述差厚板(7)的薄、厚侧板料提供成形所需压边力；

所述液压控制系统包括第一液压控制系统与第二液压控制系统；所述第一液压控制系统向所述第一压边块施加液压力，所述第二液压控制系统向所述第二压边块施加液压力；

所述第一液压控制系统与所述第二液压控制系统均包括：液压件和控制件；所述控制件与所述液压件连接，控制所述液压件所提供的液压力的大小；

所述液压件包括压力油泵(11)、三位四通电磁换向阀(15)、调速阀(12)；所述压力油泵(11)连接油箱，所述压力油泵(11)通过所述调速阀(12)与所述三位四通电磁换向阀(15)进油口相连，所述三位四通电磁换向阀(15)回油口与油箱相连；

所述液压控制系统中应用三位四通电磁换向阀(15)实现油液的反向流动；

控制系统包括过程监测模块、识别预测模块、实时控制模块和系统执行模块，所述过程监测模块通过所述识别预测模块与所述实时控制模块连接，所述实时控制模块与所述系统执行模块连接，所述过程监测模块采用基于LabVIEW的数据采集系统实时监测拉深过程变量，所述拉深过程变量包括拉深力、压边力和拉深行程，所述识别预测模块建立神经网络模型，所述神经网络模型包括神经网络识别模型和神经网络预测模型，所述神经网络识别模型根据所述过程监测模块得到的拉深力、压边力、拉深行程以及差厚板的几何参数得出差厚板的材料性能参数，所述神经网络预测模型根据所述神经网络识别模型得出的差厚板的材料性能参数、所述差厚板的几何参数以及所述拉深行程，得出最优压边力和最优拉深速度，所述实时控制模块依据所述识别预测模块得出的所述最优压边力和所述最优拉深速度采用基于灰色预测的神经网络PID控制系统控制不同位置的压边力值和拉深速度值，所述系统执行模块依据所述神经网络PID控制系统控制不同位置的压边力值和拉深速度值进行差厚板的拉深成形。

2.根据权利要求1所述的一种适用于轧制差厚板盒形件拉深成形的控制系统，其特征在于：所述第一压边块与第二压边块均包括：压力缸(3)、柱塞(4)、压边圈(5)、上模板(2)；

所述柱塞(4)位于所述压力缸(3)内，所述压边圈(5)与所述柱塞(4)连接，并与所述差厚板(7)接触，所述压力缸(3)与所述上模板(2)连接，所述压力缸(3)与所述液压控制系统连接；

所述第二压边块与所述第一压边块关于所述凸模(1)对称。

3.根据权利要求2所述的一种适用于轧制差厚板盒形件拉深成形的控制系统，其特征在于：所述压边圈(5)与所述差厚板(7)的接触面粘贴聚氨酯模具间隙调整板(6)。

4.根据权利要求1所述的一种适用于轧制差厚板盒形件拉深成形的控制系统，其特征在于：所述凹模底座包括：凹模座(9)、凹模(8)；所述凹模(8)位于所述凹模座(9)上。

5.根据权利要求2所述的一种适用于轧制差厚板盒形件拉深成形的控制系统，其特征在于：所述控制件为溢流阀(19)；所述溢流阀(19)与油箱连接，同时所述溢流阀(19)与所述液压件连接。

6.根据权利要求5所述的一种适用于轧制差厚板盒形件拉深成形的控制系统，其特征在于：所述三位四通电磁换向阀(15)A口通过第二压力表(17)与所述压力缸(3)上油腔相连；所述三位四通电磁换向阀(15)A口通过所述第二压力表(17)与所述溢流阀(19)相连；所述三位四通电磁换向阀(15)B口与所述压力缸(3)下油腔连接。