1.一种轧制差厚板盒形件智能拉深控制系统，其特征在于，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，采用改进型递阶遗传算法对神经网络模型的拓扑结构及权值、阈值进行优化，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所述拉深过程变量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，采用基于灰色预测模型的神经网络PID控制系统控制不同位置的压边力值和拉深速度值；所述基于灰色预测模型的神经网络PID控制系统，是由灰色理论、BP神经网络与PID控制算法进行结合而得到的；神经网络PID控制系统，由三部分组成，第一部分为最优压边力和最优拉深速度输入、PID控制器网络、比例阀及传感器组成的独立增量式PID闭环控制网络；

第二部分为BP神经网络，输入分别为最优参数设定值、灰色预测值以及两者的误差，输出为PID控制器网络的3个参数KP、KI、KD，BP神经网络选取每一控制回路的误差函数以及回路之间的误差函数作为性能指标函数，从而保证控制精度与同步性要求，输出节点采用非负的S函数作为其活化函数，而隐含层神经元的活化函数采用正负对称的S函数，网络加权系数的修正采用梯度下降法；第三部分为灰色预测模型，分别以最优压边力值、最优拉深速度值和比例溢流阀输出值、电液比例阀输出值作为输入，灰色预测值为输出；

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所述的一种轧制差厚板盒形件智能拉深控制系统，其特征在于，所述过程监测模块的数据采集系统包括A/D转换卡、工控机、限压器、动态应变仪、传感器；

所述动态应变仪连接所述传感器，所述传感器分为位移传感器和压力传感器，所述传感器将所述拉深过程变量转换成模拟电压信号，所述A/D转换卡接收所述模拟电压信号，并将所述模拟电压信号转换为数字信号输入至所述工控机，所述工控机利用速度与位移的微分关系计算得到拉深速度‑行程曲线，所述限压器置于所述动态应变仪与所述A/D转换卡之间，保护所述轧制差厚板盒形件智能拉深控制系统。

3.根据权利要求1所述的一种轧制差厚板盒形件智能拉深控制系统，其特征在于，所述神经网络识别模型将所述拉深过程变量以及差厚板几何参数作为输入层参数，差厚板材料性能参数作为输出层参数，建立所述差厚板材料性能参数与所述拉深过程变量、所述差厚板几何参数间的非线性映射关系；

所述神经网络预测模型，是将所述差厚板材料性能参数、所述差厚板几何参数以及所述拉深行程作为神经网络输入层变量，所述最优压边力和所述最优拉深速度作为输出层变量，建立所述最优压边力和所述最优拉深速度与所述差厚板材料性能参数、所述差厚板几何参数、所述拉深行程之间的非线性映射关系。

4.根据权利要求1所述的一种轧制差厚板盒形件智能拉深控制系统，其特征在于，所述实时控制模块包括D/A转换卡、比例溢流阀、比例放大器和电液比例阀，所述实时控制模块采用基于灰色预测模型的神经网络PID算法形成神经网络PID控制系统，将所述拉深行程作为反馈信号，将所述最优压边力和所述最优拉深速度作为控制信号，通过标定所述比例溢流阀获取所述压边力值与所述比例溢流阀控制电压之间的关系曲线，通过标定所述电液比例阀获取所述拉深速度值与所述电液比例阀控制电压之间的关系曲线，依据所述关系曲线将所述压边力值和所述拉深速度值转换为控制电压信号，由所述D/A转换卡将所述控制电压信号的数字量转换为模拟量，再由所述比例放大器将所述模拟量转换为控制电流信号以控制所述比例溢流阀和所述电液比例阀开启量的大小。

5.根据权利要求4所述的一种轧制差厚板盒形件智能拉深控制系统，其特征在于，所述系统执行模块包括液压控制部分和拉深成形部分；

所述液压控制部分依据各区域所需的最优压边力和最优拉深速度不同，对应不同的压边力控制单元，所述不同的压边力控制单元均包括电机、柱塞泵、油箱、液压缸、过滤器、电磁换向阀、节流阀、液控单向阀，所述电机通过所述柱塞泵将油液从所述油箱中泵出，依次经过所述过滤器、所述液控单向阀、所述节流阀进入所述电磁换向阀，实现油液的正反向流动，最后进入所述液压缸；

所述拉深成形部分进行拉深成形的过程为：压边缸带动压边圈上行，压边圈的位置由第二位移传感器将位移信息反馈到工控机的控制软件中，在达到预先设定的压边力零位后，工控机发控制指令将上行阀门断电，使所述压边圈在预定位置就位，在所述压边圈就位之后，将差厚板放置到所述压边圈与凹模之间，工控机控制软件发控制指令使液压机主滑块下行，拉深动作开始，在拉深成形阶段第一位移传感器将拉深行程反馈给工控机，第二压力传感器的压边力和第一压力传感器的拉深力实时传输给工控机，通过控制算法实现对拉深速度和各分区压边力的实时反馈控制，保证拉深速度以及压边力按照最优预测曲线进行同步输出，直至拉深结束。

6.一种轧制差厚板盒形件智能拉深方法，其特征在于，包括如下步骤：

A.依据基于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；

B.建立神经网络模型，采用改进型递阶遗传算法对神经网络模型的拓扑结构及权值、阈值进行优化，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数据采集系统得到的拉深过程变量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所述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；

C.依据所述神经网络模型得出的最优压边力和最优拉深速度，结合基于灰色预测模型的神经网络PID控制系统，控制施加在差厚板不同位置上的压边力值和拉深速度值，所述基于灰色预测模型的神经网络PID控制系统，是由灰色理论、BP神经网络与PID控制算法进行结合而得到的；神经网络PID控制系统，由三部分组成，第一部分为最优压边力和最优拉深速度输入、PID控制器网络、比例阀及传感器组成的独立增量式PID闭环控制网络；第二部分为BP神经网络，输入分别为最优参数设定值、灰色预测值以及两者的误差，输出为PID控制器网络的3个参数KP、KI、KD，BP神经网络选取每一控制回路的误差函数以及回路之间的误差函数作为性能指标函数，从而保证控制精度与同步性要求，输出节点采用非负的S函数作为其活化函数，而隐含层神经元的活化函数采用正负对称的S函数，网络加权系数的修正采用梯度下降法；第三部分为灰色预测模型，分别以最优压边力值、最优拉深速度值和比例溢流阀输出值、电液比例阀输出值作为输入，灰色预测值为输出；

D.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。

7.根据权利要求6所述的一种轧制差厚板盒形件智能拉深方法，其特征在于，所述神经网络模型的建立方法为：

基于前向网络模型建立神经网络模型，根据所述神经网络识别模型和所述神经网络预测模型的输入变量和输出变量确定输入层和输出层节点数，综合考虑网络的泛化能力，确定较优的隐层节点数；基于差厚板单向拉深试验和数值模拟以及所述神经网络识别模型和所述神经网络预测模型建立样本数据库，样本数据采用归一化处理，同时采用平均值和去除奇异点的方法以减小或消除奇异数据的影响，获取较高的泛化精度；学习函数采用梯度下降的动量学习函数，确定网络学习速率、惯量因子和各层传递函数，构造误差指标函数，选用贝叶斯正则化的训练方法训练所述神经网络模型来提高网络性能。

8.根据权利要求6所述的一种轧制差厚板盒形件智能拉深方法，其特征在于，所述采用改进型递阶遗传算法对所述神经网络模型的拓扑结构及权值、阈值进行优化的方法为：

设置最大进化代数以及种群规模，采用改进型递阶遗传算法对所述神经网络模型的拓扑结构和权值、阈值信息同时进行编码，并随机产生初始种群，所述改进型递阶遗传算法采用三层递阶结构，前两层控制基因分别决定所述神经网络模型的隐层数和每个隐层被激活的神经元，最后一层参数基因表示每个神经元的连接权值和阈值，控制基因采用二进制编码，用“1”和“0”分别表示下层控制基因处于激活状态和非激活状态，参数基因采用实数编码，依次对所述神经网络模型输入层与隐含层之间连接权值、隐含层阈值、隐含层与输出层之间连接权值、输出层阈值进行编码；将所有的种群个体带入所述神经网络模型，并计算各自的预测误差，选取误差平方和的倒数作为适应度函数，将BP神经网络和遗传算法的评估标准融为一体；将个体适应度值按顺序排列，选用轮盘赌法完成选择操作，在选择过程中加入精英保留策略，保证适应度最高的个体可直接被选择组成新种群，同时采用稳态繁殖方法，即在将个体加入到新一代种群之前，先检查该个体与种群中现有个体是否重复，如果重复就舍弃；控制基因采用单点交叉或多点交叉，参数基因采用算术交叉，变异算子采用连接变异和有偏权值变异，交叉概率和变异概率自适应调整，进而完成交叉和变异操作产生下一代，直至进化代数达到预先设定值，优化过程结束,获取最优个体，经解码后得到所述神经网络模型的隐层数、神经元个数、权值、阈值，并赋值给所述神经网络模型，完成对所述神经网络模型的优化。

9.根据权利要求6所述的一种轧制差厚板盒形件智能拉深方法，其特征在于，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，进行差厚板拉深成形的步骤为：

压边缸带动压边圈上行，压边圈的位置由第二位移传感器将位移信息反馈到工控机的控制软件中，在达到预先设定的压边力零位后，工控机发控制指令将上行阀门断电，使所述压边圈在预定位置就位，在所述压边圈就位之后，将差厚板放置到所述压边圈与凹模之间，工控机控制软件发控制指令使液压机主滑块下行，拉深动作开始，在拉深成形阶段第一位移传感器将拉深行程反馈给工控机，第二压力传感器的压边力和第一压力传感器的拉深力实时传输给工控机，通过控制算法实现对拉深速度和各分区压边力的实时反馈控制，保证拉深速度以及压边力按照最优预测曲线进行同步输出，直至拉深结束。