1.一种基于数学模型的车载充电器元器件参数优化方法，其特征在于，所述方法包括：根据车载充电器开关器件进行多物理场联合建模，得到车载充电器元器件仿真模型；

根据车载充电器元器件仿真模型进行动态灵敏度分析，得到动态灵敏度矩阵数据；

对动态灵敏度矩阵数据进行分层混合整数非线性规划求解，得到电池阻抗变化曲线数据；

根据电池阻抗变化曲线数据进行在线参数重构，得到车载充电器元器件参数优化数据。

2.根据权利要求1所述的方法，其特征在于，所述根据车载充电器开关器件进行多物理场联合建模，得到车载充电器元器件仿真模型，包括：对车载充电器开关器件进行车载充电器基础数据采集，得到车载充电器基础数据，其中车载充电器基础数据包括车载充电器电性数据以及车载充电器热学数据；

根据车载充电器电性数据以及车载充电器热学数据进行器件电气热学模型构建，得到器件电气热学模型；

获取车载充电器PCB的物理参数数据，并根据物理参数数据构建多物理场模型；

根据多物理场模型以及器件电气热学模型进行仿真计算，得到车载充电器整体仿真模型。

3.根据权利要求1所述的方法，其特征在于，所述根据车载充电器元器件仿真模型进行动态灵敏度分析，得到动态灵敏度矩阵数据，包括：根据车载充电器元器件仿真模型进行灵敏度分析，得到动态灵敏度数据；

根据车载充电器元器件仿真模型进行热网络建模，得到动态温度响应数据；

根据动态灵敏度数据以及动态温度响应数据进行约束矩阵构建，得到完整的动态约束数据。

4.根据权利要求1所述的方法，其特征在于，所述对动态灵敏度矩阵数据进行分层混合整数非线性规划求解，得到电池阻抗变化曲线数据，包括：对动态灵敏度矩阵数据进行顶层混合整数非线性规划求解，得到顶层器件组合数据；

对动态灵敏度矩阵数据进行底层混合整数非线性规划求解，得到连续优化数据；

根据动态灵敏度矩阵数据进行时变约束生成，得到时变约束数据；

根据时变约束数据对顶层器件组合数据以及连续优化数据进行求解，得到电池阻抗变化曲线数据。

5.根据权利要求1所述的方法，其特征在于，所述根据电池阻抗变化曲线数据进行在线参数重构，得到车载充电器元器件参数优化数据，包括：获取实时电性数据，并根据实时电性数据以及电池阻抗变化曲线数据进行最优参数匹配，得到初级优化参数数据；

根据初级优化参数数据进行实时加速计算并参数调整，得到次级优化参数数据；

根据次级优化参数数据进行持续反馈调整，得到车载充电器元器件参数优化数据。

6.根据权利要求2所述的方法，其特征在于，所述获取车载充电器PCB的物理参数数据，并根据物理参数数据构建多物理场模型，包括：获取车载充电器PCB的物理参数数据，其中物理参数数据包括IV特性曲线数据、导通电阻数据、磁性元件的B‑H曲线数据以及绕组交流电阻；

根据物理参数数据进行温度分段拟合，得到电学特性数据；

根据物理参数数据进行功耗结温映射，得到热学特性数据；

根据电学特性数据进行MOSFET器件电性模型构建，得到电性模型：根据热学特性数据进行热学模型构建，得到热学模型：根据热学模型以及电性模型中的功率损耗数据进行热网络模型求解，得到结温数据；

根据结温数据对电性模型进行修正，得到电性修正模型；

对热模型进行本征正交分解，得到降阶模型；

将电性修正模型以及降阶模型进行模型打包，得到多物理场模型。

7.根据权利要求6所述的方法，其特征在于，其中电学特性数据包括第一电学特性数据、第二电学特性数据、第三电学特性数据、第四电学特性数据以及第五电学特性数据，第一电学特性数据为导通电压、饱和电流与开关时间随温度变化的特性数据，第二电学特性数据为导通电阻随温度变化的特性数据，第三电学特性数据为开关损耗随温度变化的特性数据，第四电学特性数据为磁性元件磁感应强度随温度变化的特性数据，第五电学特性数据为绕组交流电阻随频率和温度变化的特性数据，所述根据物理参数数据进行温度分段拟合，得到电学特性数据，包括：根据车载充电器热学数据进行热学特征提取，得到热学特征数据；

根据IV特性曲线数据进行导通电压提取、饱和电流提取以及开关时间提取，分别得到导通电压数据、饱和电流数据以及开关时间数据；

根据热学特征数据对导通电压数据、饱和电流数据、开关时间数据进行特性曲线拟合，得到第一电学特性数据；

根据热学特征数据对导通电阻数据进行温度拟合，得到第二电学特性数据；

根据导通电压数据、饱和电流数据以及开关时间数据进行功率损耗计算，得到功率损耗数据；

根据热学特征数据以及功率损耗数据进行开关损耗拟合，得到第三电学特性数据；

根据热学特征数据对磁性元件的B‑H曲线数据进行分段指数拟合，得到第四电学特性数据；

根据热学特征数据以及绕组交流电阻数据进行温度频率变化拟合，得到第五电学特性数据。

8.根据权利要求6所述的方法，其特征在于，所述根据物理参数数据进行功耗结温映射，得到热学特性数据，包括：根据物理参数数据以及电学特性数据进行瞬态功耗分解，得到时变功耗分布数据；

根据物理参数数据以及时变功耗分布数据进行三维热阻抗网络模型构建，得到三维热阻抗网络模型；

根据三维热阻抗网络模型进行瞬态热场仿真，得到瞬态热场数据；

根据瞬态热场数据进行迁移学习校准，得到热学特性数据。

9.根据权利要求8所述的方法，其特征在于，所述根据物理参数数据以及时变功耗分布数据进行三维热阻抗网络模型构建，得到三维热阻抗网络模型，包括：根据物理参数数据以及时变功耗分布数据进行晶体管热行为建模，得到晶体管热行为模型；

根据物理参数数据以及时变功耗分布数据进行PCB层热行为建模，得到PCB层热行为模型；

根据物理参数数据以及时变功耗分布数据进行结构热行为建模，得到结构热行为模型；

根据晶体管热行为模型、PCB层热行为模型以及结构热行为模型进行热流耦合仿真，得到三维热阻抗网络模型。

10.一种基于数学模型的车载充电器元器件参数优化系统，其特征在于，用于执行如权利要求1所述的基于数学模型的车载充电器元器件参数优化方法，所述基于数学模型的车载充电器元器件参数优化系统包括：多物理场联合建模模块，用于根据车载充电器开关器件进行多物理场联合建模，得到车载充电器元器件仿真模型；

动态灵敏度分析模块，用于根据车载充电器元器件仿真模型进行动态灵敏度分析，得到动态灵敏度矩阵数据；

分层混合整数非线性规划求解模块，用于对动态灵敏度矩阵数据进行分层混合整数非线性规划求解，得到电池阻抗变化曲线数据；

在线参数重构模块，用于根据电池阻抗变化曲线数据进行在线参数重构，得到车载充电器元器件参数优化数据。