1.一种盒形件毛坯尺寸自动优化预测方法，其特征在于，其包括以下步骤：步骤1：获取初始数据组，计算训练组盒形件实际体积；

将初始数据分为训练组和验证组，基于盒形件和毛坯的相关参数，获取w组盒形件及其对应毛坯的相关参数，包含经验所得毛坯长短轴a、b，其中训练组盒形件n个，验证组盒形件m个，且m+n＝w；根据获得的n个训练组盒形件相关参数，计算训练组盒形件的实际体积，其表达式如下式所示：V＝2(h‑t)[L1+L2‑2(t1+t2)+2t1t2]+L1L2t底式中：V表示盒形件的实际体积；L1表示盒形件长边的边长；L2表示盒形件宽边的边长；h表示盒形件高度；t表示初始毛坯厚度；t1表示盒形件长边厚度；t2表示盒形件短边厚度；t底表示盒形件的底面厚度；

步骤2：确定盒形件的等效厚度；

获取步骤1计算得到的盒形件实际体积V，根据体积不变原则求得当整个盒形件厚度为侧边厚度ti时的等效厚度Ti：式中：ti表示盒形件侧边厚度，i＝1时表示长边厚度，i＝2时表示短边厚度；Ti表示盒形件的等效厚度，i＝1，表示盒形件厚度等效为长边厚度时的等效厚度，i＝2，表示盒形件厚度等效为短边厚度时的等效厚度；

步骤3：确定盒形件拉深参数最优值；

计算拉深参数qi的最优值；拉深参数qi的取值范围在[0,2]，初值qi1和qi2均等于0；其迭代关系如下式所示：qik+1＝qik+0.01；(k＝1,2,…,199)式中：i＝1，时q1k表示与长边对应的第k次迭代的拉深参数；i＝2，时q2k表示与短边对应的第k次迭代的拉深参数；qik+1表示第k+1次迭代的拉深参数；

获取步骤1计算得到的盒形件的实际体积V，获取步骤2计算得到的盒形件的等效厚度Ti，毛坯长轴尺寸ak与拉深参数q1k的计算关系和毛坯短轴尺寸bk与拉深参数q2k的计算关系如下式所示：式中：ak表示第k次迭代计算得到的毛坯长轴尺寸；bk表示第k次迭代计算得到的毛坯短轴尺寸；

基于最小误差逆向传播方法确定目标函数zik，可以确保训练组盒形件的毛坯尺寸与预测的毛坯尺寸误差最小，甚至一致，误差函数具体实现形式如下式所示：式中：z1k和z2k分别表示第k次迭代计算毛坯长轴和短轴对应的目标函数；a0已知毛坯长轴尺寸；b0已知毛坯短轴尺寸；

计算所有迭代过程产生的zik，使用快速排序算法找到zik最小值，其对应的ak、bk，并且相应的qik即为最优的拉深参数；

步骤4：确定盒形件拟合系数的最优值；

基于最小二乘法拟合拉深参数与盒形件参数，获取最优的盒形件拟合系数，并建立函数关系式，即回归方程；重复步骤1‑3即可得到训练组n个盒形件所对应的2n个最优拉深系数qi，拟合拉深参数与盒形件参数的函数关系式，所述函数关系为：qi＝Cqi0+Cqi1L1+Cqi2L2+Cqi3h+Cqi4t1+Cqi5t2+Cqi6t+Cqi7r+Cqi8rb式中：qi表示为盒形件拉伸参数，i＝1，时q1表示与长边对应的拉深参数；i＝2，时q2表示与短边对应的拉深参数；Cqi0…Cqi8分别表示9个盒形件拟合系数，i＝1时对应盒形件长边最优拉深参数回归方程，i＝2时对应盒形件短边最优拉深参数回归方程；L1、L2、h、t1、t2、t、r、rb分别表示盒形件的各个参数；

盒形件拟合系数的计算，首先构建拟合回归方程组：

式中：yij＝qij；i∈(1,2)；j∈(1,2,…,n)，qij为第j次计算与训练组第j个盒形件对应的最优拉深参数qi；biz＝Cqiz；z∈(0,…,8)，Cqiz表示第z个拟合系数；xjz则对应第j次计算的盒形件的第z个参数，xj1代表盒形件长边L1，xj2代表盒形件短边L2，…，xj8代表盒形件底部内2

圆角rb；ε表示真实值与预测值的差值，也就是回归模型的误差；N(0，σ)表示ε符合正态分2

布，期望是0，方差为σ，反映误差大部分集中在0值附近,误差越大的概率越小；

求解上述回归方程组，确定出盒形件拟合系数，得到回归方程：式中： 表示最优拉深参数qi； 即为盒形件拟合系数Cqi0…Cqi8，其中i＝1时表示计算长轴对应的函数关系式，i＝2时表示计算短轴对应的函数关系式；x1…x8表示盒形件的8个参数；

步骤5：基于回归方程，预测验证组盒形件毛坯尺寸；

获取步骤1、步骤2和步骤4中的实际体积、等效厚度计算公式和拉深参数拟合函数，计算该验证组盒形件的实际体积V、等效厚度Ti和拉深参数qi，并参照以下关系式预测盒形件毛坯长短轴；

步骤6：判定预测毛坯尺寸是否符合误差要求，提高预测精度；

获取步骤5中求取的验证组盒形件毛坯尺寸a、b，若同时满足下两式的精度要求，可输出毛坯尺寸及图像；

若不满足，则需要将该验证组盒形件参数及毛坯参数加入训练组重新训练，此时训练组盒形件个数为n+1个，获取拉深参数函数关系，该过程一直持续到满足上述精度要求为止。

2.根据权利要求1所述的盒形件毛坯尺寸自动优化预测方法，其特征在于，所述步骤1中的盒形件参数和毛坯参数具体包括w组盒形件及其对应毛坯的原始数据：所述盒形件的参数包括：盒形件长边L1、盒形件宽边L2、盒形件高度h、盒形件长边厚度t1、盒形件短边厚度t2、盒形件底面厚度t底、盒形件侧壁内圆角r、底部内圆角rb；所述盒形件参数关系满足下式：所述毛坯参数包括：已知毛坯长轴a0、已知毛坯短轴b0；所述毛坯是厚度为t的椭圆形毛坯件；

所述的盒形件底面厚度t底与初始毛坯厚度t数值相等。

3.根据权利要求1所述的盒形件毛坯尺寸自动优化预测方法，其特征在于，所述步骤3中的排序算法，该算法通过多次比较和交换来实现排序，从而获得最优值。

4.根据权利要求1所述的盒形件毛坯尺寸自动优化预测方法，其特征在于，对所述步骤

4中回归方程组进行求解并获取拟合系数，其具体过程如下所示：构建残差平方和的表达式，以i＝1时，即求解长边对应的拉深参数回归方程时为例，如下式所示：式中：Q为方程组的残差平方和；y1j＝q1j；j∈(1,2,…,n)表示第j组的长边拉深参数；

b1z＝Cq1z；z∈(0,…,8)表示第z个盒形件拟合系数；xjz则对应第j次计算的盒形件的第z个参数，xj1代表盒形件长边L1，xj2代表盒形件短边L2，…，xj8代表盒形件底部内圆角rb；

则求Q关于b10，b11，…b18的偏导，并令它们都等于0则，则得：上式为正规方程组，将上式以矩阵的形式进行表示，如下式所示：式中：X表示盒形件参数矩阵；Y表示拉深参数向量；B表示盒形件拟合系数向量；

即可转化为：

XB＝Y

因为：

T

式中：X表示盒形件参数矩阵的转置；

所以正规方程组又可写成：

T T

XXB＝XY

T

这里假设XX的逆存在，则：

式中： 表示盒形件拟合系数向量的最优解； 分别表示第0，1，…，8个盒形件拟合系数。