1.一种空气动力发动机多参数耦合优化方法，其特征在于，所述方法包括：建立动力发动机的输出扭矩方程；

根据所述输出扭矩方程，以空气动力发动机输出的平均扭矩和耗气量为优化的目标，得出空气动力发动机多参数耦合优化模型；

利用单一因素分析法得到空气动力发动机性能优化参数的最优值；

将所述性能优化参数的最优值作为粒子群优化算法中粒子的初始位置值，利用粒子群优化算法求解所述空气动力发动机多参数耦合优化模型。

2.根据权利要求1所述的空气动力发动机多参数耦合优化方法，其特征在于，所述建立动力发动机的输出扭矩方程，具体包括：对第一级气缸的活塞和曲轴进行受力分析，得到第一级气缸的输出扭矩；

对第二级气缸的活塞和曲轴进行受力分析，得到第二级气缸的输出扭矩；

根据所述第一级气缸的输出扭矩和所述第二级气缸的输出扭矩得到两级气缸的输出扭矩。

3.根据权利要求2所述的空气动力发动机多参数耦合优化方法，其特征在于，所述第一级气缸的输出扭矩为：

其中，MP1为第一级气缸的输出扭矩，p1为第一级气缸内的瞬时压力，p0为大气压力，Ap为活塞顶面积，m1为第一级气缸内气体瞬时质量，r为曲柄半径，w1为第一级气缸的曲轴转动角速度，φ1为第一级气缸曲轴转角，λs为连杆曲柄比，β1为连杆与第一级气缸轴线夹角，S为活塞行程。

4.根据权利要求2所述的空气动力发动机多参数耦合优化方法，其特征在于，所述第二级气缸的输出扭矩为：

其中，MP2为第二级气缸的输出扭矩，p2为第二级气缸内的瞬时压力，p0为大气压力，Ap为活塞顶面积，m2为第二级气缸内气体瞬时质量，r为曲柄半径，W2为第二级气缸的曲轴转动角速度，φ2为第二级气缸曲轴转角，λs为连杆曲柄比，β2为连杆与第二级气缸轴线夹角，p为气缸内的瞬时压力，S为活塞行程。

5.根据权利要求2所述的空气动力发动机多参数耦合优化方法，其特征在于，所述两级气缸的输出扭矩为：

Mp＝Mp1+Mp2

其中，Mp为两级气缸的输出扭矩，Mp1为第一级气缸的输出扭矩，Mp2为第二级气缸的输出扭矩。

6.根据权利要求1所述的空气动力发动机多参数耦合优化方法，其特征在于，所述空气动力发动机多参数耦合优化模型为：maxf＝Mp其中，Mp表示所述输出扭矩方程。

7.根据权利要求1所述的空气动力发动机多参数耦合优化方法，其特征在于，所述将所述性能优化参数的最优值作为粒子群优化算法中粒子的初始位置值，利用粒子群优化算法求解所述空气动力发动机多参数耦合优化模型，具体包括：利用所述性能优化参数的最优值作为粒子群优化算法中粒子的初始位置值；

随机初始化粒子的速度值，设置粒子群优化算法的种群数量和迭代次数；

利用所述初始位置值计算所述空气动力发动机多参数耦合优化模型的目标函数值；

更新粒子群算法中粒子的个体极值和全局极值；

利用惯性权重平衡全局搜索和局部搜索，并更新惯性权重；当迭代次数达到设置的迭代次数或者空气动力发动机的输出扭矩的变化值满足要求，输出粒子群的位置值，得到所述空气动力发动机多参数耦合优化模型的最优解。

8.根据权利要求7所述的空气动力发动机多参数耦合优化方法，其特征在于，所述更新粒子群算法中粒子的个体极值和全局极值，具体包括：利用粒子值更新公式更新粒子群算法中粒子的个体极值和全局极值；

k

所述粒子值更新公式为： 其中，Vi为第k次迭代时粒子i的自身速度，w称为惯性权重，c1、c2为加速系数或者称为学习因子，rand()、Rand()为两个在[0，1]范围内变化的随机数， 表示k次迭代过程中第i个粒子的最优的位置值， 表示第k次迭代中第i个粒子的位置值， 表示第k次迭代中种群中所有粒子代入目标函数中，输出扭矩最大的那个粒子值。

9.根据权利要求7所述的空气动力发动机多参数耦合优化方法，其特征在于，所述惯性权重为：

其中，w表示惯性权重，wmax和wmin分别为惯性权重的最大值和最小值，itermax为迭代次数的最大值，iter为当前迭代次数。

10.一种空气动力发动机多参数耦合优化系统，其特征在于，所述系统包括：输出扭矩建立单元，用于建立动力发动机的输出扭矩方程；

耦合优化模型建立单元，用于根据所述输出扭矩方程，以空气动力发动机输出的平均扭矩和耗气量为优化的目标，得出空气动力发动机多参数耦合优化模型；

参数最优值确定单元，用于利用单一因素分析法得到空气动力发动机性能优化参数的最优值；

模型求解单元，用于将所述性能优化参数的最优值作为粒子群优化算法中粒子的初始位置值，利用粒子群优化算法求解所述空气动力发动机多参数耦合优化模型。