1.一种纤维静态拉伸试验数据的批量处理方法，其特征在于，包括：

读取拉伸机试验数据，批量选择输入和输出纤维试样的拉伸力学性能数据的Excel文件，并对数据进行分组，读取数据，找到所有分组的四列的列名，抓取出每组数据的应力、应变数据；

将每组5个相邻的点记为一分组，并找出最大应力差值Vmax，并找出所有大于Vmax*

0.75的点，将其中最大与最小的点相加除以2，得出杨氏模量直线部分的中间的点，以中间点开始，逐渐选取两端远离此点的值，并设定一个阈值去判断，当选取点的杨氏模量大于这个阈值，则从此点开始，远离中间点的其余点值不用于拟合直线段；

将用于拟合的点用最小二乘法拟合直线得出杨氏模量，并且将用于拟合的点用红色标记，其他点用蓝色标记，输出这组应力应变曲线数据的点图，判断红色点的最小应力值并删除小于红色最小应力值的数据，判断处理后剩余数据中的应力最大值，并删除后续小于最大应力的数据，将处理好的数据进行数据原点化处理，输出为“校准好的原始数据”；

判断“校准好的原始数据”中最大的应力值，输出为断裂强度，最大应力点对应的应变值输出为延伸率，用积分的方法计算出面积，输出为断裂功，将断裂强度、延伸率、杨氏模量及断裂功进行国际单位校准，完成一组数据的输出，并且循环处理每组数据；

将每个Excel文件的每组数据的断裂强度、延伸率、杨氏模量及断裂功输出为相对应文件名的Excel文件，利用单个Excel文件的每组断裂强度、延伸率、杨氏模量及断裂功求出平均值及标准差，并且将所有Excel文件的平均值及标准差输出为一个总Excel文件。

2.根据权利要求1所述的一种纤维静态拉伸试验数据的批量处理方法，其特征在于，所述的读取拉伸机试验数据，批量选择输入和输出纤维试样的拉伸力学性能数据的Excel文件，并对数据进行分组，包括：选择原始数据文件夹，根据包含拉伸机试验数据的Excel文件所在的文件夹路径利用Python的pandas库中的read_excel函数，遍历所选文件夹下的所有Excel文件，将数据读取到DataFrame数据结构中；

数据筛选与分组，识别文件中的列信息，依据预设规则筛选出与拉伸力学性能相关的数据列，根据纤维试样编号对数据进行分组，确定输出拉伸力学性能数据的格式，创建新的DataFrame来存储后续计算结果。

3.根据权利要求1所述的一种纤维静态拉伸试验数据的批量处理方法，其特征在于，所述的读取数据，找到所有分组的四列的列名，抓取出每组数据的应力、应变数据，包括：获取列名信息，对于已读入内存的每个Excel文件数据通过访问DataFrame的columns属性，获取所有列名列表；

筛选应力应变列名，根据预先设定规则和用户指定条件在列名列表中查找与应力、应变数据相关的四列的列名；

提取并分组存储数据，使用找到的应力、应变列名，借助DataFrame的索引方法从原始数据中准确提取每组数据对应的应力、应变数据列，将提取的数据按纤维试样编号分组存储，形成字典数据结构，键为试样编号，值为包含该试样应力、应变数据的列表。

4.根据权利要求1所述的一种纤维静态拉伸试验数据的批量处理方法，其特征在于，所述的将每组5个相邻的点记为一分组，并找出最大应力差值Vmax以及所有大于Vmax*0.75的点，将其中最大与最小的点相加除以2，得出杨氏模量直线部分的中间的点，以中间点开始，逐渐选取两端远离此点的值，并设定一个阈值去判断，当选取点的杨氏模量大于这个阈值，则从此点开始，远离中间点的其余点值不用于拟合直线段，包括：分组计算应力差值，针对每组应力数据，以每5个相邻数据点为一组进行划分，对于每个分组，计算组内相邻点间的应力差值，得到一组应力差值数据；

确定最大应力差值Vmax，在所有分组的应力差值数据中，使用max函数找到最大值，将其定义为Vmax；

筛选相关点确定中间点，再次遍历应力差值数据，找出所有大于Vmax*0.75的值对应的点，在这些相关点中，确定应力最大和最小的点，将它们的应力值相加除以2，得到处于杨氏模量直线中间的参考应力值，同时记录对应应变值，取应力应变平均值作为中间参考点坐标；

从中间点筛选拟合点，从中间参考点开始，向应力应变曲线两端逐步选取其他点，对于每个选取点，根据应力应变数据计算其杨氏模量，设定一个阈值，当选取点的杨氏模量大于该阈值时，停止继续选取点，从而确定用于拟合直线的有效数据点范围。

5.根据权利要求1所述的一种纤维静态拉伸试验数据的批量处理方法，其特征在于，将用于拟合的点用最小二乘法拟合直线得出杨氏模量，并且将用于拟合的点用红色标记，其他点用蓝色标记，输出这组应力应变曲线数据的点图，包括：直线拟合与杨氏模量计算，首先提取筛选出的用于拟合直线的点的应力和应变数据，整理为适合最小二乘法拟合的格式，定义一个线性函数形式用于最小二乘法拟合，使用scipy库中的optimize.curve_fit函数，将准备好的数据和拟合函数作为输入，进行直线拟合，得到拟合直线的参数，根据杨氏模量定义，将拟合得到的斜率作为杨氏模量的值；

数据点标记与绘图准备，利用matplotlib库创建一个图形对象和一个坐标轴对象，将用于拟合的点在图上用红色标记绘制，其他未被选作拟合的点用蓝色标记绘制，使用图形对象的scatter函数，分别传入拟合点和非拟合点的应变、应力数据以及对应的颜色参数，为坐标轴添加标签表示应变轴标签，设置图形标题，添加图例说明红色点和蓝色点含义，使用matplotlib库的savefig函数将绘制好的应力应变曲线点图保存为图片文件。

6.根据权利要求1所述的一种纤维静态拉伸试验数据的批量处理方法，其特征在于，所述的判断红色点的最小应力值并删除小于红色最小应力值的数据，判断处理后剩余数据中的应力最大值，并删除后续小于最大应力的数据，将处理好的数据进行数据原点化处理，输出为“校准好的原始数据”，包括：确定最小应力红色点与数据删除，在已标记为红色的拟合点中，遍历应力数据，找到应力最小的红色点，然后再次遍历整个应力应变数据集，删除应力值小于最小红色应力值的所有数据点；

确定最大应力值与后续数据删除，在处理后剩余的数据中，找出应力最大值，接着删除后续所有应力值小于最大应力值的数据点；

数据原点化处理与输出，对经过两次数据删除处理后的应力应变数据进行原点化处理，将初始未拉伸状态对应的应力应变值设为（0,0），并据此调整其他数据点坐标，减去初始应力应变值，将处理好的数据存储为新的DataFrame数据结构，按照设定的输出格式和路径，输出名为“校准好的原始数据”的文件。

7.根据权利要求1所述的一种纤维静态拉伸试验数据的批量处理方法，其特征在于，所述的判断“校准好的原始数据”中最大的应力值，输出为断裂强度，最大应力点对应的应变值输出为延伸率，用积分的方法计算出面积，输出为断裂功，包括：确定断裂强度与延伸率，读取“校准好的原始数据”文件，直接从应力数据列获取最大值作为断裂强度，在数据中查找对应断裂强度的应变值作为延伸率，该应变值反映纤维在断裂前的伸长程度；

计算断裂功，使用scipy库中的integrate.quad函数对校准后的应力应变曲线进行积分计算，计算应力应变曲线下的面积，该面积代表纤维在拉伸过程中吸收的能量，将计算得到的断裂功值作为评估纤维拉伸性能的重要参数记录下来。

8.根据权利要求1所述的一种纤维静态拉伸试验数据的批量处理方法，其特征在于，所述的将断裂强度、延伸率、杨氏模量及断裂功进行国际单位校准，完成一组数据的输出，并且循环处理每组数据，包括：单位校准，根据国际单位制要求，对计算得到的断裂强度、延伸率、杨氏模量及断裂功参数进行单位换算和校准，断裂强度单位从拉伸机原始输出单位转换为兆帕斯卡，延伸率单位转化为1，杨氏模量单位转化为吉帕，断裂功单位转换为兆焦耳每立方米；

单组数据输出，将校准后的一组数据按设定格式整理，输出到指定结果文件和数据存储结构中；

循环处理每组数据，通过循环结构，继续处理下一组纤维试样的数据，直到所有组数据都完成处理。

9.根据权利要求1所述的一种纤维静态拉伸试验数据的批量处理方法，其特征在于，所述的将每个Excel文件的每组数据的断裂强度、延伸率、杨氏模量及断裂功输出为相对应文件名的Excel文件，包括：提取与整理数据，对于每个处理完成的Excel文件中的每组数据，提取其对应的断裂强度、延伸率、杨氏模量及断裂功参数，按照pandas的DataFrame结构整理；

输出为单独Excel文件：以每组数据的纤维试样编号作为文件名，将整理好的数据输出为单独的Excel文件，存储到指定输出文件夹中。

10.根据权利要求1所述的一种纤维静态拉伸试验数据的批量处理方法，其特征在于，所述的利用单个Excel文件的每组断裂强度、延伸率、杨氏模量及断裂功求出平均值及标准差，并且将所有Excel文件的平均值及标准差输出为一个总Excel文件，包括：计算单个Excel内统计值，针对单个Excel文件中的所有组数据，分别计算断裂强度、延伸率、杨氏模量及断裂功这四个参数的平均值和标准差，使用pandas库提供的mean函数计算平均值和std函数计算标准差；

汇总到总Excel文件，遍历所有处理过的Excel文件，收集每个Excel文件中计算得到的四个参数的平均值和标准差数据，将这些数据整理成一个新的DataFrame结构，每行代表一个Excel文件的汇总信息，每列分别为断裂强度平均值、延伸率平均值、杨氏模量平均值、断裂功平均值、断裂强度标准差、延伸率标准差、杨氏模量标准差、断裂功标准差，最后将这个汇总后的DataFrame输出为一个总Excel文件，存储到指定位置。