1.一种基于布谷鸟算法的热声制冷机回热器参数优化设计方法，其特征在于，包括以下步骤：S1、基于线性热声理论和板叠近似理论，建立回热器的无因次化制冷量方程和无因次化消耗声功方程；

S2、设置制冷量方程和消耗声功方程中优化参数的约束条件；具体为：S21回热器长度的约束：热声效应都发生在声波的压力波腹和波节之间，因此回热器的两端既不能超过压力波腹也不能超过压力波节，确定为第一约束条件；

S22回热器中心位置的约束：由于热声效应最激烈地方发生在压力波腹和压力波节之间，要达到热声效应最佳结果回热器中心位置也必须在压力波节和波腹之内，确定为第二约束条件；

S23孔隙率的约束：回热器板间距在2～4个热渗透厚度之间时，热声转换效果最好，确定为第三约束条件；

S24驱动比的约束：驱动比是动压幅值和平均压力之比，驱动声压较小，单位体积产生的能量较小，驱动声压过大，则会导致气体工质出现湍流，确定为第四约束条件；

S3、建立布谷鸟算法的适应度函数，利用布谷鸟算法确定最优的一组设计参数的数值；

设计参数包括无因次化回热器长度、无因次化回热器位置、孔隙率和驱动比，且利用布谷鸟算法确定最优一组的无因次化回热器长度、无因次化回热器位置、孔隙率和驱动比的过程包括：S31、布谷鸟算法的初始化；

设置布谷鸟算法的相关参数，包括搜索空间维度D，最大迭代次数gmax，位置更新的步长α和布谷鸟被发现的概率Pa；

S32、初始化种群，随机生成N组鸟窝X＝{x1，x2，x3，x4}，x1为无因次化回热器位置Xsn，x2为无因次化回热器长度Lsn，x3为孔隙率B，x4为驱动比DR；

S33、计算k次迭代时N组鸟窝适应度函数值，并将他们的适应度函数值分别与最优解进行比较，如果更优则更新当前N组鸟窝的最优解fmin，其对应的鸟窝位置即为最佳鸟窝位置Xbest；

S34、利用莱维飞行公式生成k+1代鸟窝位置，具体公式为：Xk+1＝Xk+α.*Levy(β)，Xk+1是k+1代鸟窝位置，Xk是k代鸟窝位置，α是步长量，Levy(β)是概率密度函数，β为随机数，β∈[0，

2]；以概率Pa舍弃部分解，同时以随机游走的方式生成与被舍弃解同等数量的新解作为补充，即用随机数r∈[0，1]与Pa对比，若r＞Pa就舍弃原鸟窝重新生成新的鸟窝即新解，具体公式为：Xk+1＝Xk+r*(Xi‑Xj)，Xi和Xj是k次迭代时的任意两个解；

S35、判断迭代次数是否达到了最大迭代次数gmax，若没有，则重复步骤S33和S34，否则执行步骤S36；

S36、输出鸟窝的全局最优位置，作为适应度函数优化结果，得到最优的无因次化回热器长度、无因次化回热器中心位置、孔隙率和驱动比。

2.根据权利要求1所述的基于布谷鸟算法的热声制冷机回热器参数优化设计方法，其特征在于，步骤S1中建立的无因次化制冷量表达式为：无因次化消耗声功表达式为：

其中，G为无因次化温度梯度，表达为：

其中，Lsn为无因次化回热器长度、Xsn为无因次化回热器位置、B为孔隙率、DR为驱动比；

δkn为无因次化热渗透厚度，ΔTmn为无因次化温差，σ为普朗特数，γ为比热比。

3.根据权利要求1所述的基于布谷鸟算法的热声制冷机回热器参数优化设计方法，其特征在于，第一约束条件为：其中，LS是回热器长度，λ是声波波长。

4.根据权利要求1所述的基于布谷鸟算法的热声制冷机回热器参数优化设计方法，其特征在于，第二约束条件为：其中，XS是回热器中心位置，λ是声波波长。

5.根据权利要求1所述的基于布谷鸟算法的热声制冷机回热器参数优化设计方法，其特征在于，第三约束条件为：

2δk＜y0＜4δk；

其中，y0是回热器板间距，板间距无因次化处理后为孔隙率，δk是工质热渗透厚度。

6.根据权利要求1所述的基于布谷鸟算法的热声制冷机回热器参数优化设计方法，其特征在于，第四约束条件为：

0.015＜DR＜0.03；

其中，DR是驱动比，它的取值范围来源于实验经验值。

7.根据权利要求1所述的基于布谷鸟算法的热声制冷机回热器参数优化设计方法，其特征在于，步骤S3中建立的布谷鸟算法的适应度函数为：fmin＝1/COP    (4)；

COP＝Qcn/Wacn    (5)；

其中，COP是回热器的制冷系数，Qcn和Wacn分别是无因次化制冷量和无因次化消耗声功。