1.一种圆筒直线电机多目标优化方法，其特征在于，包括如下步骤：步骤S1：以圆筒直线电机的平均推力和推力波动为优化目标，分析影响平均推力和推力波动的设计参数，并确定平均推力和推力波动的取值范围；

步骤S2：通过最优拉丁超立方试验设计构建样本库；

步骤S3：基于所述样本库建立Kriging模型；

步骤S4：利用NSGA‑Ⅱ算法对Kriging模型的期望最大加点准则EI函数和预测函数Fp进行并行寻优；

步骤S5：判断模型是否达到设定的收敛精度；如果达到设定的收敛精度，则通过NSGA‑Ⅱ算法寻优得到最优设计参数；否则将步骤S4寻优得到的点计算真实值，并添加到步骤S2的样本库，重复步骤S3～步骤S5。

2.如权利要求1所述的圆筒直线电机多目标优化方法，其特征在于，所述步骤S1中，影响平均推力和推力波动的设计参数包括圆筒直线电机的槽口宽度、永磁体长度、永磁体厚度、极距、气隙宽度、动子铁芯厚度。

3.如权利要求1所述的圆筒直线电机多目标优化方法，其特征在于，所述步骤S2中，基于φP标准进行拉丁超立方试验设计。

4.如权利要求3所述的圆筒直线电机多目标优化方法，其特征在于，所述基于φq标准进行拉丁超立方试验设计的具体方法如下：其中，np为样本数，dij为样本点之间的距离，q是一个正整数指数，其中i和j表示第i个和第j个样本。

通过最小化φq使得样本点与样本点之间的距离最大，确保样本点的空间均匀性。

5.如权利要求1所述的圆筒直线电机多目标优化方法，其特征在于，所述步骤S3具体过程为：从样本库中提取出样本，并构造每个样本的目标函数的Kriging代理模型。

6.如权利要求5所述的圆筒直线电机多目标优化方法，其特征在于，所述步骤S4具体包括如下子步骤：步骤S41：求出每个样本的目标函数的Kriging代理模型的EI函数值，用NSGA‑Ⅱ算法计算出每个EI函数值的帕累托解集，优化解集上的解均为最优解，根据加点个数确定新样本点Sei；

步骤S42：根据每个样本的目标函数的Kriging代理模型得到预测函数Fp，用NSGA‑Ⅱ算法计算出每个预测函数Fp的帕累托解集，优化解集上的解均为最优解，根据加点个数确定新样本点Sp。

7.如权利要求6所述的圆筒直线电机多目标优化方法，其特征在于，所述步骤S5具体包括如下子步骤：步骤S51：判断模型是否达到设定的收敛精度；

如果达到设定的收敛精度，则进入到步骤S52；否则，计算步骤S4优化得到的新样本点Sei与Sp的真实目标值，并将新样本点Sei、Sp及其真实目标值添加到步骤S2的样本库，返回步骤S3；

步骤S52：用样本库中所有样本点构造Kriging代理模型，并根据Kriging代理模型计算出每个目标函数的预测函数Fp；

步骤S53：用NSGA‑Ⅱ算法计算出步骤S52中的预测函数Fp的帕累托解集，最终得到多目标问题的帕累托解集。

8.如权利要求7所述的圆筒直线电机多目标优化方法，其特征在于，所述步骤S51中，检2

验模型精度采用复相关系数R，其表达式如下：

其中，n为取值点数，yi为真实模型响应值，为近似模型的预测值， 为真实响应值的2

平均值；当R的值越趋近1，表明模型的全局精度越高。

9.一种电子设备，其特征在于，包括处理器、存储器和通信总线，其中，处理器和存储器通过通信总线完成相互之间的通信；

所述存储器，用于存储计算机程序；

所述处理器，用于执行所述存储器中所存储的程序，实现如权利要求1～8任一项所述的圆筒直线电机多目标优化方法。

10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1～8任一项所述的圆筒直线电机多目标优化方法。