1.注塑模具人机交互智能设计优化系统，其特征在于：包括注塑参数采集模块、成品质量关系模块、加工分析算法模块、人机交互模块和智能分析评估模块；

所述注塑参数采集模块采用传感器组，实时采集模具再注塑过程中的模具加工数据，并对采集到的模具加工数据进行预处理，获取模具加工数据集；

所述成品质量关系模块用于利用采集到的模具加工数据集、历史数据和实验数据，并将划分为训练集、验证集和测试集，建立模具加工数据与成品质量之间的回归分析模型与机器学习模型；

所述加工分析算法模块用于构建模具温度分布分析公式、塑料材料变化分析公式和结晶关系分析公式，并将所采集到的模具加工数据集载入，进行分别计算获取温度分布T(x，y，z)、塑料材料变化率Bh和结晶速率Jj，并进行相关联汇总生成综合加工数据JG；

所述加工分析算法模块包括模具温度分析算法单元、材料变化算法单元、结晶算法单元和综合分析算法单元；

所述温度分析算法单元用于构建模具温度分布分析公式，并依据预处理后模具加工数据集中的热导率Km和模具表面粗糙度Ra，进行分析计算获取温度分布T(x，y，z)；

所述温度分布T(x，y，z)通过以下模具温度分布分析公式计算获取；

式中，T0表示初始温度，通过红外温度计直接测量获取，Q表示热源强度，x，y和z分别横轴、纵轴和竖轴，表示模具在三维空间中的坐标，exp表示指数函数；

所述材料变化算法单元用于构建塑料材料变化分析公式，并依据预处理后模具加工数据集中的塑料材料膨胀系数Ap，进行分析计算获取塑料材料变化率Bh；

所述塑料材料变化率Bh通过以下塑料材料变化分析公式进行计算获取；

式中，V0表示塑料的初始体积，△T表示温度变化，表示材料温度相对于初始温度T0的变化值，βm表示体积变化率系数，d表示积分变量，dt表示单位时间t内的变量，T表示温度；

所述结晶算法单元用于构建结晶关系分析公式，并依据预处理后模具加工数据集中的剪切速率Jq，进行分析计算获取结晶速率Jj；

所述结晶速率Jj通过以下结晶关系分析公式计算获取；

式中，k1表示速率常数，Ea表示活化能，R表示气体常数，Jq0表示基准剪切速率，n表示剪切速率指数，exp表示指数函数；

所述综合分析算法单元用于将所获取的温度分布T(x，y，z)、塑料材料变化率Bh和结晶速率Jj，进行相关联汇总计算获取综合加工数据JG，分析当前注塑机加工质量；

所述综合加工数据JG通过以下算法公式计算获取；

式中，V是体积积分，覆盖整个三维空间，S表示系统的整体性能；

所述人机交互模块用于使用开发工具，构建出可视化界面，查看优化结果并输入参数进行优化调整；

所述智能分析评估模块用于预设第一加工质量阈值Y1和第二加工质量阈值Y2与所获取的综合加工数据JG，进行对比评估分析当前注塑模具的质量情况，当识别到异常时，则进一步地构建综合优化公式，进行计算获取综合优化系数Yh对注塑机进行优化；

所述智能分析评估模块包括质量评估单元和优化算法单元；

所述质量评估单元用于基于注塑模具加工质量的均值进行预设第一加工质量阈值Y1和第二加工质量阈值Y2，再与所获取的综合加工数据JG进行对比评估，分析当前模具加工质量情况，具体评估方案如下；

当综合加工数据JG＞第一加工质量阈值Y1时，表示当前注塑机的加工质量异常，此时则进一步进行执行优化算法进行参数优化；

当第二加工质量阈值Y2≤综合加工数据JG≤第一加工质量阈值Y1时，此时表示注塑机加工质量正常；

当综合加工数据JG＜第二加工质量阈值Y2时，此时表示注塑机加工质量异常此时则进一步进行执行优化算法进行参数优化；

所述优化算法单元用于构建综合优化公式，将所获取的温度分布T(x，y，z)、塑料材料变化率Bh和结晶速率Jj代入算法公式中，进行计算获取综合优化系数Yh对注塑机进行优化，并根据计算结果，通过交互界面输入参数进行调整优化；

所述综合优化系数Yh通过以下算法公式获取；

式中，α、β和γ分别表示温度优化、体积变化控制和结晶速率控制的权重系数，Ttarget表示设计时设定的目标温度，Bhtarget表示目标体积变化量，Jjtarget表示设计时设定的目标结晶速率Jj；

α·∫VT(x,y,z)‑TtargetdV用于优化模具内部的温度分布，使加工温度接近目标温度Ttarget；

β·|Bh‑Bhtarget|用于控制塑料在注塑过程中体积的变化，使控制后接近设计目标体积Vtarget；

γ·Jj‑Jjtarget|用于调整塑料的结晶速率Jj，使其接近目标结晶速率Jjtarget。

2.根据权利要求1所述的注塑模具人机交互智能设计优化系统，其特征在于：所述注塑参数采集模块包括参数采集模块和数据预处理模块；

所述参数采集模块用于再注塑机周围安装传感器组，所述传感器组包括粗糙度传感器、热电偶传感器、红外温度计、压力传感器和流量计，实时采集模具再注塑过程的模具加工数据，所述模具加工数据包括模具表面粗糙度Ra、热导率Km、塑料材料膨胀系数Ap和剪切速率Jq；

所述数据预处理模块用于将实时采集到的模具加工数据，使用卡尔曼滤波器来平滑数据对所采集到的模具加工数据进行滤波处理，同时使用小波变换来去除传感器所采集到的模具加工数据的高频噪声，再将所采集到的模具加工数据进行归一化处理。

3.根据权利要求2所述的注塑模具人机交互智能设计优化系统，其特征在于：所述成品质量关系模块包括回归分析模型单元、机器学习模型单元和模型优化与验证单元；

所述回归分析模型单元用于构建多元线性回归模型，识别模具加工数据与成品质量之间的线性关系，分析模型的预测性能和回归系数，并将预处理后的模具数据传输至回归分析模型，评估各参数对成品质量的影响；

所述机器学习模型单元用于选择支持向量机SVM和多层感知机，分别构建支持向量机SVM模型与神经网络NN模型，所述支持向量机SVM模型用于捕捉模具加工数据与成品质量之间的非线性关系，所述神经网络NN模型用于捕捉复杂的非线性关系，并将构建的支持向量机SVM模型与神经网络NN模型进行集成汇总，获取机器学习模型，再将利用采集到的模具加工数据集、历史数据和实验数据预处理后，传输至机器学习模型中，分别评估支持向量机SVM模型与神经网络NN模型的预测性能，并分析数据之间的线性与非线性的关系；

所述模型优化与验证单元通过使用递归特征消除RFE识别对模型预测性能影响的变量，并剔除不相关和冗余的变量，再使用K折交叉验证将模具加工数据分为K个子集，每次用其中一个子集进行验证，剩余的K‑1个子集用于训练，重复K次，获取结果为K次验证的平均值，同时使用网格搜索通过遍历所有超参数组合，选择使模型性能优化的组合，再对机器学习模型优化后，需要对机器学习模型进行验证，评估机器学习模型性能并确保其适用于实际应用。

4.根据权利要求1所述的注塑模具人机交互智能设计优化系统，其特征在于：所述人机交互模块用于使用QtDesigner界面设计工具设计初步界面，并定义界面布局和各个控件的位置和功能，使用PyQt和PyGObject库实现数据输入、优化计算和结果展示功能，再通过Matplotlib和D3.js将图形嵌入到GUI中使数据图形化展示，实现动态交互。

5.注塑模具人机交互智能设计优化方法，应用于权利要求1～4任一项所述的注塑模具人机交互智能设计优化系统，其特征在于：包括以下步骤：S1、首先在注塑机周围安装传感器组，实时采集模具在注塑过程中的模具加工数据，并对采集到的模具加工数据进行预处理，获取模具加工数据集；

S2、利用采集到的模具加工数据集、历史数据和实验数据，并将划分为训练集、验证集和测试集，建立模具加工数据与成品质量之间的回归分析模型与机器学习模型；

S3、构建模具温度分布分析公式、塑料材料变化分析公式和结晶关系分析公式，并将所采集到的模具加工数据集载入，进行分别计算获取温度分布T(x，y，z)、塑料材料变化率Bh和结晶速率Jj，并进行相关联汇总生产综合加工数据JG；

S4、使用开发工具，构建出可视化界面，并定义界面布局和各个控件的位置和功能，实现数据输入、优化计算和结果展示功能，将数据图形化展示实现动态交互，查看优化结果并输入参数进行优化调整；

S5、最后预设第一加工质量阈值Y1和第二加工质量阈值Y2与所获取的综合加工数据JG，进行对比评估分析当前注塑模具的质量情况，当识别到异常时，则进一步地构建综合优化公式，进行计算获取综合优化系数Yh对注塑机进行优化。