1.基于RBF神经网络的环氧树脂固化峰值温度预测方法，其特征在于，包括以下步骤：步骤1，建立环氧树脂复合材料固化仿真模型，采集环氧树脂复合材料固化温度，包括温箱温度和环氧树脂复合材料固化峰值温度；

步骤2，建立三层RBF神经网络，将采集的温度数据划分为训练集和测试集，将训练集中数据输入到三层RBF神经网络中进行训练，得到训练好的RBF神经网络，然后将测试集中数据输入到RBF神经网络中进行预测，得到预测的数据。

2.根据权利要求1所述的基于RBF神经网络的环氧树脂固化峰值温度预测方法，其特征在于，所述步骤1具体包括以下步骤：步骤1.1，建立环氧树脂复合材料固化仿真模型；

步骤1.2，在模型中建立模拟环氧树脂复合材料固化时温箱温度变化的插值函数：

其中，t表示时间，f(t)表示温箱温度，h1表示温箱第一保温阶段的温度，h2表示温箱第二保温阶段的温度，k1表示初始阶段温箱的升温速率，k2表示第一保温阶段结束后温箱的升温速率，t1表示温箱第一保温阶段的保温时间，t2表示温箱第二保温阶段的保温时间；

步骤1.3，在温箱升温过程中，使用畴点探针探测环氧树脂内部以及金属和环氧树脂界面处的温度，温箱第一保温阶段，环氧树脂内部峰值温度为M11，金属和环氧树脂界面处峰值温度为M21，温箱第二保温阶段，环氧树脂内部峰值温度为M12，金属和环氧树脂界面处峰值温度为M22。

3.根据权利要求2所述的基于RBF神经网络的环氧树脂固化峰值温度预测方法，其特征在于，所述步骤1.1中，环氧树脂复合材料固化仿真模型中间为环氧树脂，底部和侧面为金属板。

4.根据权利要求2所述的基于RBF神经网络的环氧树脂固化峰值温度预测方法，其特征在于，所述初始阶段温箱的升温速率k1取值范围为1～5℃/min。

5.根据权利要求2所述的基于RBF神经网络的环氧树脂固化峰值温度预测方法，其特征在于，所述温箱第一保温阶段的温度h1取值范围为80～100℃，温箱第二保温阶段的温度h2取值范围为180～240℃。

6.根据权利要求1所述的基于RBF神经网络的环氧树脂固化峰值温度预测方法，其特征在于，所述步骤2中，将训练集中数据输入到三层RBF神经网络中进行训练，待训练结果的均方根误差小于2，则得到训练好的RBF神经网络。

7.根据权利要求6所述的基于RBF神经网络的环氧树脂固化峰值温度预测方法，其特征在于，所述步骤2中，将训练集中数据输入到三层RBF神经网络中进行训练前，先对数据进行归一化处理。

8.根据权利要求1所述的基于RBF神经网络的环氧树脂固化峰值温度预测方法，其特征在于，每组采集的温度数据包括8个数据，分别为h1、h2、k1、t1、M11、M21、M12、M22。