1.一种耙吸挖泥船抽舱吹岸过程优化控制系统，其特征在于，系统包括：采集模块，用于采集泥浆运行参数及耙吸挖泥船相关参数；

数据处理模块，用于从泥浆运行参数及耙吸挖泥船相关参数中筛选出泥浆流速、泥沙平均粒径、抽舱门开度、泥泵转速，以作为输入变量，用于选取耙吸挖泥船抽舱吹岸过程的临界流速vc作为输出参数；以及，所述数据处理模块用于对输入变量进行滤波、异常值处理、归一化处理以进行预处理，并将预处理后数据划分为训练样本集、验证样本集；

模型构建模块，用于建立神经网络预测模型，采用PSO算法对神经网络进行初始化，确定最小适应度函数；

训练验证模块，用于利用训练样本集中数据对该神经网络预测模型进行训练，用于选取验证样本集中数据对训练好的神经网络预测模型进行验证。

2.根据权利要求1所述的耙吸挖泥船抽舱吹案过程优化控制系统，其特征在于，该神经网络预测模型包括输入层、隐藏层、输出层，输入层节点数为n，输出层节点数为l，隐藏层神经元节点数为 a是区间[0,10]的整数；

神经网络的初始化为：粒子维数M：

神经网络的适应度函数为：

其中，N为输入样本总数；M为粒子维数；Yij为模型的第i个样本实际输出；Tij为预设的样本期望输出；

通过迭代更新粒子的速度和位置评估粒子的适应度函数值，直至适应度函数值达到一预设的迭代精度时确定适应度函数值最小。

3.根据权利要求1所述的耙吸挖泥船抽舱吹案过程优化控制系统，其特征在于，临界流速vc为：其中，Cn为泥浆体积浓度；g为重力加速度；D为抽舱管道内径；vt为静水沉速；dm为平均粒径；并且，2

Cn＝4Vm/(vπD)；

其中，D为抽舱管道内径，v为泥浆流速，Vm为单位时间内进入管道的泥沙体积；单位时间内进入管道内的泥沙体积Vm与抽舱门开度相关，泥浆流速v与泥泵转速相关。

4.根据权利要求1所述的耙吸挖泥船抽舱吹案过程优化控制系统，其特征在于，所述数据处理模块用于采用小波阈值去噪对输入变量进行滤波；并且，所述数据处理模块用于采用莱伊特准则对滤波后的输入变量进行异常值处理，对输入变量进行N次测量并进行异常值处理后得到x1,x2，x3，…，xk，…，xn，取x1,x2，x3，…，xk，…，xn的平均数为 将数据xk判定为异常值的条件是：数据xk相对应的残差Rk满足以下公式：以及，所述数据处理模块用于对异常值处理后的数据进行归一化处理获得X为：其中，X为经过归一化处理后的数据， 为异常值处理后的数据，Xmin为异常值处理后的数据中的最小值，Xmax为异常值处理后的数据中的最大值。

5.根据权利要求4所述的耙吸挖泥船抽舱吹案过程优化控制系统，其特征在于，训练验证模块用于选取训练样本集中数据的均方根误差RMSE及平均百分比误差MAPE最小时的模型作为训练好的模型：其中，yi表示训练样本集中第i个真实值， 表示第i个预测值，n表示训练样本集中数据数目。

6.一种耙吸挖泥船抽舱吹岸过程优化控制方法，其特征在于，包括以下步骤：(1)利用传感器采集耙吸挖泥船抽舱吹岸过程中的泥浆运行参数及耙吸挖泥船相关参数；

(2)从泥浆运行参数及耙吸挖泥船相关参数中筛选出泥浆流速、泥沙平均粒径、抽舱门开度、泥泵转速，以作为输入变量，选取耙吸挖泥船抽舱吹岸过程的临界流速vc作为输出参数；

(3)对输入变量进行滤波、异常值处理、归一化处理以进行预处理，并将预处理后数据划分为训练样本集、验证样本集；

(4)建立神经网络预测模型，采用PSO算法对神经网络进行初始化，确定最小适应度函数；

(5)利用训练样本集中数据对该神经网络预测模型进行训练，选取验证样本集中数据对训练好的神经网络预测模型进行验证。

7.根据权利要求6所述的耙吸挖泥船抽舱吹案过程优化控制方法，其特征在于，步骤(4)中，神经网络包括输入层、隐藏层、输出层，输入层节点数为n，输出层节点数为l，隐含层的神经元节点数为 其中a是区间[0,10]的整数；

采用PSO算法对神经网络初始化的步骤中，获取粒子维数M为：确定适应度函数为：

其中，M为输入样本总数；M为粒子维数；Yij为模型的第i个样本实际输出；Tij为预设的样本期望输出；

通过迭代更新粒子的速度和位置，评估粒子的适应度函数值，直至适应度函数值达到一预设的迭代精度时确定适应度函数值最小。

8.根据权利要求6所述的耙吸挖泥船抽舱吹案过程优化控制方法，其特征在于，在步骤(2)中，临界流速vc为：其中，Cn为泥浆体积浓度；g为重力加速度；D为抽舱管道内径；vt为静水沉速；dm为泥浆平均粒径；并且，2

Cn＝4Vm/(vπD)；

其中，v为泥浆流速，Vm为单位时间内进入管道的泥沙体积；单位时间内进入管道内的泥沙体积Vm与抽舱门开度相关，泥浆流速v与泥泵转速相关。

9.根据权利要求6所述的耙吸挖泥船抽舱吹案过程优化控制方法，其特征在于，在步骤(3)中，还包括以下步骤：采用小波阈值去噪对输入变量进行滤波；采用莱伊特准则对滤波后的输入变量进行异常值处理，对输入变量进行N次测量并滤波处理后得到x1,x2，x3，…，xk，…，xn，取x1,x2，x3，…，xk，…，xn的平均数为 将数据xk判定为异常值的条件是：数据xk相对应的残差Rk满足以下公式：对异常值处理后的数据进行归一化处理获得X为：

其中，X为经过归一化处理后的数据， 为异常值处理后的数据，Xmin为异常值处理后的数据中的最小值，Xmax为异常值处理后的数据中的最大值。

10.根据权利要求6所述的耙吸挖泥船抽舱吹案过程优化控制方法，其特征在于，在步骤(5)对该神经网络预测模型进行训练时，以训练样本集中数据的均方根误差RMSE及平均百分比误差MAPE作为训练评价指标：其中，yi表示训练样本集中第i个真实值， 表示第i个预测值，n表示训练样本集中数据数目。