1.一种多圆弧叶片型线结构优化设计方法，其特征在于，包括：S1：获取离心泵中叶轮的结构数据以及关于该离心泵不同叶片下同工况的性能数据；

S2：根据所述结构数据，设计多圆弧叶片的型线结构参数；

S3：构建卷积神经网络模型，所述卷积神经网络模型中的输入变量和输出变量分别为所述型线结构参数和性能数据；

S4：利用所述型线结构参数和性能数据对所述卷积神经网络模型进行训练；

S5：利用训练完成的卷积神经网络模型对粒子群算法模型进行初始化并加以迭代优化，得出最优性能数据的预测结果及其对应的最优型线结构参数；

其中，设计多圆弧叶片的型线结构参数，包括：

S21、获取以叶轮进口面为基准面建立直角坐标系，将叶轮的平面圆心设为平面坐标系原点O，并在叶轮内径圆的边上确定任意一个点nS（xS，y）S ，在叶轮外径圆的边上确定任意一个点nL（xL，y）L ；

S22、根据所述点nS和nL，确定分别过两点的两条直线LS和LL，其斜率分别为tan（叶片进口角度+90°）和tan（叶片出口角度+90°）；

S23、根据所述点nS和nL，确定两点所连接得到的线段Ln；

S24、根据所述线段Ln，确定一个位于Ln的同一侧且在叶轮内径圆之外、叶轮外径圆之内的控制点n1（x1，y1），沿n1至nL方向确定一个满足相同条件的控制点n2，并依次确定i个控制点ni，将点nS、点nL和所有控制点n1、n2、……、ni组成控制点组合Pi；

S25、根据所述控制点组合Pi，确定一组过ni的直线Li，其斜率为ki，并且斜率ki需大于上一直线斜率ki‑1且小于下一直线斜率ki+1，当i=1时，点ni‑1即n0看作点nS，k0等同于通过点n0处直线L0的斜率；i为最大值时，点ni+1看作点nL，ki+1等同于过点nL处直线LL的斜率；

S26、根据所述控制点组合Pi和斜率ki，确定i+1段圆弧形状和位置的数学模型；

S27、根据所述i+1段圆弧形状和位置的数学模型，确定圆弧叶片的型线结构参数。

2.根据权利要求1所述的方法，其特征在于，所述结构数据包括：叶片进口角度、叶片出口角度、叶轮进口直径和叶轮出口直径；所述性能数据包括：由实验得到数据、仿真模拟计算所得到的数据或者现场监测所得的数据。

3.根据权利要求1所述的方法，其特征在于，所述数学模型的表达式为：

2 2 2

(x‑ai) +(y‑bi) =ri；

式中，x∈（xi，xi+1），y∈（yi，yi+1），未知数ai、bi和ri，（xi，yi）为控制点ni的坐标，（xi+1，yi+1）为控制点ni+1的坐标；

各未知数ai、bi和ri的值通过以联立下式获得：

2 2 2

(xi‑ai) +(yi‑bi) =ri；

2 2 2

(xi+1‑ai) +(yi+1‑bi) =ri；

bi=(‑Ci‑Aiai)/Bi；

2 1/2 2 1/2

Ai=ki+1(ki+1) ‑ki(ki+1+1) ；

2 1/2 2 1/2

Bi=(ki+1) ‑(ki+1+1) ；

2 1/2 2 1/2 2 1/2 2 1/2Ci=kixi(ki+1+1) ‑yi(ki+1+1) ‑[ki+1xi+1(ki+1) ‑yi+1(ki+1) ]；

式中Ai、Bi、Ci为中间变量。

4.根据权利要求1所述的方法，其特征在于，还包括：S6：根据所述最优性能数据的预测结果及其对应的最优型线结构参数，建立离心泵三维模型，对所述离心泵三维模型进行网格划分和流场计算，完成计算后分析优化前与优化后的扬程、泵效率，若满足优化要求，则认为合理，以当前所使用的叶片型线结构参数作为最终优化结果；若不能满足优化要求，则重复S4‑S5。