1.一种碳纤维增强环氧树脂基固化体系的多目标优化方法，其特征在于，所述优化方法包括：步骤S1：根据固化工艺确定N(N为正整数)个待优化变量的取值范围，所述待优化变量包括碳纤维百分比含量(Cf)、二次固化温度(T)、二次固化时间、硅烷偶联剂溶液浓度(Si)；

步骤S2：利用N个待优化变量的取值范围生成n组样本参数,形成样本集；

步骤S3：采用所述样本集中的所有样本参数对所述环氧树脂进行固化并测试其性能，得实测性能值，构建“所述样本参数与所述实测性能值”之间一一对应的数据集；所述实测性能值包括力学性能值、粘度值、断裂伸长率值拉伸模量值、压缩模量值中的一种或多种；

步骤S4：基于所述数据集对实测性能值数据进行归一化处理；

步骤S5：确定高斯过程回归(GPR)先验模型，选择核函数，确定超参数的初值；

步骤S6：基于归一化数据集构建回归模型；

步骤S7：利用回归模型进行预测并与实验样本对比，判断回归模型是否满足精度要求,如精度不满足要求，则重复步骤S5重新确定超参数初值；

步骤S8：对N个待优化变量的取值范围均等划分t水平，建立待优化变量全因子网状数据集；

步骤S9：通过高斯过程回归模型对待优化变量全因子网状数据集回归预测，获得全因子预测数据集；

步骤S10：选择合适权重因子，在全因子预测数据集取得多目标性能优化最优解，从而获得相对应最优工艺参数解。

2.如权利要求1所述的碳纤维增强环氧树脂基固化体系的多目标优化方法，其特征在于，步骤S1中，所述待优化变量可根据固化工艺确定，数量N无限制。

3.如权利要求2所述的碳纤维增强环氧树脂基固化体系的多目标优化方法，其特征在于，步骤S1中，所述待优化变量为全固化工艺过程中对性能影响较为明显的一个或多个变量。

4.如权利要求1或2所述的碳纤维增强环氧树脂基固化体系的多目标优化方法，其特征在于，步骤S1中，所述N为4，确定所述碳纤维百分比含量(Cf)、二次固化温度(T)、二次固化时间(t)、硅烷偶联剂溶液浓度(Si)为待优化变量。

5.如权利要求4所述的碳纤维增强环氧树脂基固化体系的多目标优化方法，其特征在于，步骤S1中，先通过预实验并结合本领域常规经验，获得Cf范围值、T范围值、t范围值、Si范围值。

6.权利要求5所述的碳纤维增强环氧树脂基固化体系的多目标优化方法，其特征在于，所述Cf范围值、所述T范围值、所述t范围值与所述Si范围值分别为0％

130℃，0h

7.如权利要求1所述的碳纤维增强环氧树脂基固化体系的多目标优化方法，其特征在于，步骤S2中，将N个待优化变量的取值范围输入Matlab软件中，然后利用拉丁超立方抽样方法生成n组样本参数。

8.如权利要求2所述的碳纤维增强环氧树脂基固化体系的多目标优化方法，其特征在于，步骤S2中，当所述N为4、且确定所述碳纤维百分比含量(Cf)、二次固化温度(T)、二次固化时间、硅烷偶联剂溶液浓度(Si)为参数时，利用所述碳纤维百分比含量的范围值、所述二次固化温度的范围值、所述二次固化时间的范围值与所述硅烷偶联剂溶液浓度的范围值生成23个样本参数，生成样本集。

9.如权利要求1所述的碳纤维增强环氧树脂基固化体系的多目标优化方法，其特征在于，所述环氧树脂包括常规环氧树脂，如E44环氧树脂、E51环氧树脂；

和/或，步骤S5与步骤S6中，所述模型为Gaussian模型；

和/或，所述碳纤维为T700微米级短切碳纤维。

10.如权利要求1所述的碳纤维增强环氧树脂基固化体系的多目标优化方法，其特征在于，步骤S1：确定所述碳纤维百分比含量(Cf)、二次固化温度(T)、二次固化时间、硅烷偶联剂溶液浓度(Si)为待优化变量；根据预试验及本领域经验确定待优化变量的取值范围；

步骤S2：利用所述碳纤维百分比含量(Cf)、二次固化温度(T)、二次固化时间、硅烷偶联剂溶液浓度(Si)的取值范围生成23组样本参数,形成样本集；

步骤S3：利用所述样本集中的所有样本参数对所述环氧树脂进行固化并测试其性能，得实测性能值，构建“固化工艺参数与材料测试性能”之间一一对应的数据集；

步骤S4：基于所述数据集对固化工艺参数与材料测试性能进行数据归一化处理；

步骤S5：确定高斯过程回归(GPR)先验模型，选择理性平方协方差函数(RQ)为核函数，确定超参数初值；

步骤S6：基于归一化数据集构建回归模型；

步骤S7：利用回归模型进行预测并与实验样本对比，判断回归模型是否满足精度要求,如精度不满足要求，则重复步骤S5重新确定超参数初值；

步骤S8：对4个待优化变量的取值范围均等划分30水平，建立待优化变量全因子网状数据集；

步骤S9：通过高斯过程回归模型对待优化变量全因子网状数据集回归预测，获得全因子预测数据集；

步骤S10：通过目标性能需求选择合适权重因子，在全因子预测数据集取得多目标性能优化最优解，从而获得相对应最优工艺参数解。