1.基于BP神经网络重构圆柱壳初始几何形貌缺陷的方法，其特征在于，包括如下步骤：步骤1、获取壳体输入参数，分别创建壳体的不圆度、焊缝缺陷、表面几何幅值缺陷的输入参数数据库；

步骤2、神经网络搭建及运行：使用MATLAB创建feedforwardnet函数，同时使用默认的传递函数，搭建针对壳体的不圆度、焊缝缺陷、表面几何幅值缺陷的第一神经网络模型、第二神经网络模型及第三神经网络模型；

步骤3、对步骤2中搭建的三个神经网络模型进行训练及测试，；

步骤4、预测壳体缺陷施加，得到能真实反映壳体实际形貌缺陷的多种缺陷叠加的初始几何形貌；

步骤5、将含有初始几何形貌缺陷的壳体进行材料、几何双非线性屈曲分析，根据屈曲分析结果，进行适用性验证。

2.根据权利要求1所述的基于BP神经网络重构圆柱壳初始几何形貌缺陷的方法，其特征在于所述步骤1中，默认的传递函数包括在输入层与隐藏层之间的双曲正切tansig函数和隐藏层与输出层之间的线性传递函数purelin。

3.根据权利要求1所述的基于BP神经网络重构圆柱壳初始几何形貌缺陷的方法，其特征在于所述步骤3中，采用贝叶斯正则化算法trainbr对第一神经网络模型、第二神经网络模型进行多重训练；采用列文伯格‑马夸特trainlm算法对第三神经网络模型进行多重训练。

4.根据权利要求3所述的基于BP神经网络重构圆柱壳初始几何形貌缺陷的方法，其特征在于所述步骤3中，对于训练好的神经网络模型采用均方误差MSE、相关系数R值、误差直方图三个参数进行测试评判。

5.根据权利要求4所述的基于BP神经网络重构圆柱壳初始几何形貌缺陷的方法，其特征在于所述步骤4的具体过程如下：

4.1、首先在ABAQUS自建一个与预测壳体名义尺寸相同的壳体；

4.2、然后将通过已经训练好的第一神经网络模型、第二神经网络模型预测的不圆度、焊缝缺陷用Python脚本依次施加到自建壳体；

4.3、将预测壳体的节点数据作为第三神经网络测试集进行预测，并得到预测出来的表面缺陷幅值，并将表面缺陷幅值通过ABAQUS输入文件inp导入，最终得到能真实反映壳体实际形貌缺陷的多种缺陷叠加的初始几何形貌。