1.一种各向异性材料的拉深模拟方法，其特征在于，包括以下步骤：

S1：测定各向异性材料的微观晶体结构，获取晶体取向分布函数、位错密度张量以及晶格畸变参数，构建基于位错理论与晶体塑性本构相结合的动态自适应材料的本构模型；

S2：将本构模型导入有限元分析软件中，基于拉深过程中因塑性变形产生的温度变化、应变率突变、模具与板材间电磁感应效应以及润滑介质的流体动力学行为设置相应边界条件，形成多物理场交互行为的有限元模型；

S3：将有限元模型导入自适应网格划分算法，依据模型应力、应变梯度以及物理场梯度对网格进行疏密调整，形成有限元模拟结果；

S4：利用深度学习算法对有限元模拟结果进行实时分析，获取凸耳形成的敏感区域、潜在触发因素及多物理场间的关联，以可视化图表形式输出分析报告；

S5：模具圆角半径、拉深间隙、压边力、拉深速度、摩擦系数以及电磁调控参数协同动态优化，通过设定多目标优化函数进行拉深模拟，根据拉深模拟获得杯形件的凸耳率。

2.如权利要求1所述的一种各向异性材料的拉深模拟方法，其特征在于，在步骤S1中，运用电子背散射衍射技术、原子力显微镜以及透射电子显微镜协同作业，将电子背散射衍射技术得到的晶体取向信息、原子力显微镜得到的表面信息和透射电子显微镜得到的内部微观结构信息进行综合分析，测定各向异性材料的微观晶体结构。

3.如权利要求1所述的一种各向异性材料的拉深模拟方法，其特征在于，在步骤S2中设置相应边界条件时，

3.1、基于材料自身产生的热传导以及周围环境与材料间存在的热传导，以设置热边界条件；

3.2、基于拉深速度、模具几何形状以及材料流动特性，采用自适应时间步长算法，依据材料应变率敏感指数结合位错动力学理论，调整本构模型中的参数，以设置应变率边界条件；

3.3、基于电磁感应效应对应电磁场分布计算电磁力，将电磁力作为体力加载到本构模型中，以设置电磁感应边界条件；

3.4、基于润滑理论和实际润滑方式，设置入口和出口的压力边界条件，结合润滑介质的流速变化，设置流速边界条件。

4.如权利要求1所述的一种各向异性材料的拉深模拟方法，其特征在于，在步骤S2中，有限元模拟软件内置虚拟材料库，虚拟材料库涵盖多种各向异性材料的基础参数，可依据材料成分、组织结构调取相应的基础参数，并结合实测数据通过机器学习算法自动完善有限元模型。

5.如权利要求1所述的一种各向异性材料的拉深模拟方法，其特征在于，在步骤S3中有限元模型导入自适应网格划分算法时，

5.1、将有限元模型的数据转换为ABAQUS软件或ANSYS软件可识别的格式；

5.2、运用ABAQUS软件提供的Python脚本接口或ANSYS软件的APDL语言编程环境，编写适配代码；

5.3、指定启用自适应网格划分算法，并将编写好的适配代码与之绑定；

5.4、进行初步调试，设置拉深速度和模具几何形状，观察算法模块能否正确读取模型数据、实时获取物理量并根据梯度信息进行初步的网格调整，通过调试日志分析排查可能出现的数据传输中断和算法报错问题，优化适配代码与算法模块的关联设置。

6.如权利要求1所述的一种各向异性材料的拉深模拟方法，其特征在于，在步骤S4中，选用卷积神经网络或长短时记忆网络作为深度学习模型的基础架构，将预处理后的数据集以70:15:15的比例划分为训练集、验证集和测试集，使用训练集对深度学习模型进行训练，将模拟得到的物理量数据作为输入，将拉深凸耳的特征作为输出，同时调整深度学习模型的权重。

7.如权利要求1所述的一种各向异性材料的拉深模拟方法，其特征在于，在步骤S4中，在深度学习模型中输入不同时刻的应力应变云图，得到凸耳形成的敏感区域；在深度学习模型中输入拉深的不同工艺参数，得到凸耳的潜在触发因素；分析温度场、电磁强度以及流体速度多物理场与凸耳的关联。

8.如权利要求7所述的一种各向异性材料的拉深模拟方法，其特征在于，在步骤S4中，可视化图表至少包括应力应变云图、温度场分布图、电磁强度矢量图以及流体速度矢量图。

9.如权利要求1所述的一种各向异性材料的拉深模拟方法，其特征在于，在步骤S5中，采用遗传算法、粒子群优化算法以及模拟退火算法组成的混合优化策略驱动模具圆角半径、拉深间隙、压边力、拉深速度、摩擦系数以及电磁调控参数协同动态优化，通过设定多目标优化函数，获取凸耳高度最小化、壁厚均匀性最大化、残余应力最小化以及表面质量最优化的综合成型质量指标。

10.如权利要求1所述的一种各向异性材料的拉深模拟方法，其特征在于，在步骤S5之后，运用扫描技术对试生产杯形件从毛坯下料到成型全过程进行扫描，将采集的扫描数据实时传输至有限元模型，对有限元模型进行动态校正。