1.基于NSGA‑II和RBF神经网络的盆式绝缘子固化过程参数优化方法，其特征在于，包括以下步骤：S1、建立盆式绝缘子固化仿真模型，分配材料属性后设定模型参数；

S1.1、在有限元仿真软件中建立盆式绝缘子固化仿真模型，给盆式绝缘子固化仿真模型分配材料属性并设置边界条件；

S1.2、在有限元仿真软件中设定盆式绝缘子固化仿真模型的烘箱内部温度及复合材料中氧化铝与环氧树脂的比值W；

所述盆式绝缘子固化仿真模型的烘箱内部温度通过设定分段函数 内变量模拟其变化过程，所述分段函数 如下所示：其中，表示烘箱内部温度变化时间，t1表示烘箱内部温度第一阶段保持时间，T2表示烘箱内部温度第二阶段保持温度，t2表示烘箱内部温度第二阶段保持时间，kd表示烘箱内部的降温速率；

所述模型参数包括烘箱内部温度第一阶段保持时间t1、烘箱内部温度第二阶段保持温度T2、烘箱内部温度第二阶段保持时间t2、烘箱内部的降温速率kd、复合材料中氧化铝与环氧树脂的比值W；

所述烘箱内部温度第一阶段保持时间t1取值范围为60‑180min，所述烘箱内部温度第二阶段保持温度T2取值范围为125‑135℃，所述烘箱内部温度第二阶段保持时间t2取值范围为

120‑240min，所述烘箱内部的降温速率kd取值范围为5‑15℃/h，所述复合材料中氧化铝与环氧树脂的比值W取值范围为200%‑300%；

S2、通过仿真软件模拟得到盆式绝缘子固化仿真模型的仿真数据，将仿真数据随机划分为训练集和测试集；

S3、使用训练集对RBF神经网络进行训练，将测试集输入训练后的RBF神经网络进行测试，预测结果符合误差要求时训练完成；若预测结果不符合误差要求，继续对RBF神经网络进行训练；

S4、设定NSGA‑II算法的初始参数和优化目标要求，通过NSGA‑II算法及训练好的RBF神经网络对模型参数进行多目标优化，得到帕累托前沿解集；

S5、通过TOPSIS法对帕累托前沿解集计算筛选得到最优解，参数优化完成。

2.根据权利要求1所述的基于NSGA‑II和RBF神经网络的盆式绝缘子固化过程参数优化方法，其特征在于，所述盆式绝缘子固化仿真模型呈二维轴对称，一端端部为中心金属嵌件（3），另一端端部及模型外部为金属模具（1），金属模具（1）内部为用于制造盆式绝缘子的环氧树脂/氧化铝复合材料（2）。

3.根据权利要求2所述的基于NSGA‑II和RBF神经网络的盆式绝缘子固化过程参数优化方法，其特征在于，所述S2包括以下步骤：S2.1、通过仿真软件模拟得到盆式绝缘子固化仿真模型的固化度和应变变化情况，记录最后时刻的盆式绝缘子与中心金属嵌件（3）交界面处的固化残余应变E、最终固化度α和盆式绝缘子固化过程中内部固化度最大值与最小值之差的最大值Δαmax；

S2.2、将烘箱内部温度第一阶段保持时间t1、烘箱内部温度第二阶段保持温度T2、烘箱内部温度第二阶段保持时间t2、烘箱内部的降温速率kd、复合材料中氧化铝与环氧树脂的比值W、固化残余应变E、最终固化度α和盆式绝缘子固化过程中内部固化度最大值与最小值之差的最大值Δαmax组合得到一组仿真数据；

S2.3、改变烘箱内部温度第一阶段保持时间t1、烘箱内部温度第二阶段保持温度T2、烘箱内部温度第二阶段保持时间t2、烘箱内部的降温速率kd、复合材料中氧化铝与环氧树脂的比值W的设定值，重复步骤S2.1‑S2.3并设定重复次数；

S2.4、对仿真数据进行归一化处理后随机划分为训练集和测试集；

所述归一化处理的计算公式如下所示：

其中，为归一化处理后的仿真数据，n为原始的仿真数据，nmin为原始的仿真数据的最小值，nmax为原始的仿真数据的最大值。

4.根据权利要求3所述的基于NSGA‑II和RBF神经网络的盆式绝缘子固化过程参数优化方法，其特征在于，所述S3包括以下步骤：S3.1、设定RBF神经网络的扩张速度，通过训练集对RBF神经网络进行训练；

S3.2、通过测试集测试RBF神经网络，RBF神经网络的预测结果符合误差要求时训练完成；若RBF神经网络的预测结果不符合误差要求时重复训练过程；

所述RBF神经网络的网络结构包括输入层、隐藏层及输出层，所述输入层的输入向量x=[t1,T2,t2,kd,W]，输出层的输出向量y=[E,α,Δαmax]；

所述RBF神经网络的误差函数为均方根误差函数，所述均方根误差函数的计算公式如下所示：，

其中，RMSE表示预测结果误差值，m为通过RBF神经网络的训练次数， 为仿真数据中的真实值， 为通过RBF神经网络得到的预测值。

5.根据权利要求4所述的基于NSGA‑II和RBF神经网络的盆式绝缘子固化过程参数优化方法，其特征在于，所述S4包括以下步骤：S4.1、设定NSGA‑II算法的初始参数和优化目标要求，优化目标要求为优化结果满足最终固化度α不小于0.99；

所述初始参数包括初始化种群数量、迭代次数、交叉概率和变异概率；

S4.2、通过NSGA‑II算法和训练好的RBF神经网络对模型参数进行多目标优化得到帕累托前沿解集。

6.根据权利要求5所述的基于NSGA‑II和RBF神经网络的盆式绝缘子固化过程参数优化方法，其特征在于，所述多目标优化的优化目标为固化残余应变E、盆式绝缘子固化过程中内部固化度最大值与最小值之差的最大值Δαmax和经济因素Q；

所述经济因素Q的计算公式如下所示：

其中，W表示复合材料中氧化铝与环氧树脂的比值，t1表示烘箱内部温度第一阶段保持时间，T2表示烘箱内部温度第二阶段保持温度，t2表示烘箱内部温度第二阶段保持时间，kd表示烘箱内部的降温速率。

7.根据权利要求6所述的基于NSGA‑II和RBF神经网络的盆式绝缘子固化过程参数优化方法，其特征在于，所述S5包括以下步骤：S5.1、设定固化残余应变E、盆式绝缘子固化过程中内部固化度最大值与最小值之差的最大值Δαmax和经济因素Q在TOPSIS法中的权重参数；

S5.2、通过TOPSIS法对帕累托前沿解集计算后得到盆式绝缘子多目标优化结果的排序结果，取排序为第一的组合为最优解，参数优化完成。