1.一种基于模糊BP神经网络的玻璃钢化的工艺参数设置方法，其特征在于，包括：

(1)获取若干个初始样本，每个初始样本包括一个批次玻璃的玻璃品种、玻璃厚度、一炉次的玻璃块数和玻璃总面积，以及相应的工艺参数；

(2)针对任意一个初始样本，将该初始样本中的玻璃品种和玻璃厚度模糊化为特征值，并以模糊化后的样本作为训练样本；

(3)以各个训练样本的特征值、一炉次的玻璃块数和玻璃总面积作为BP神经网络的输入，以工艺参数作为输出，训练BP神经网络得到训练好的BP神经网络；

(4)按照钢化玻璃的玻璃品种、玻璃厚度、一炉次的玻璃块数和玻璃总面积将钢化玻璃分为若干个类别，并确定各个类别对应的特征样本；

(5)将该特征样本输入训练好的BP神经网络得到各个类别的最优工艺参数，根据各类别的最优工艺参数构建得到工艺数据库；

(6)获取待钢化玻璃的玻璃品种、玻璃厚度以及玻璃的大小和形状，并根据玻璃钢化炉的上片台的大小对待钢化玻璃进行预排产，得到一炉次的玻璃块数和玻璃总面积；

(7)根据待钢化玻璃的玻璃品种、玻璃厚度、一炉次的玻璃块数和玻璃总面积确定待钢化玻璃所属的类别，根据其所属的类别从工艺数据库中选择相应的最优工艺参数，并根据选择的最优工艺参数设定待钢化玻璃的钢化时的工艺参数。

2.如权利要求1所述的基于模糊BP神经网络的玻璃钢化的工艺参数设置方法，其特征在于，所述的工艺参数包括间隔时间、预热时间、加热时间、强化时间和冷却时间。

3.如权利要求2所述的基于模糊BP神经网络的玻璃钢化的工艺参数设置方法，其特征在于，所述步骤(2)中玻璃品种和玻璃厚度模糊化为一个特征值。

4.如权利要求3所述的基于模糊BP神经网络的玻璃钢化的工艺参数设置方法，其特征在于，所述步骤(2)中利用fuzzyTECH软件将玻璃品种和玻璃厚度模糊化为特征值。

5.如权利要求1～4所述的基于模糊BP神经网络的玻璃钢化的工艺参数设置方法，其特征在于，所述BP神经网络的隐层数为5，学习率为0.1，误差范围为-3～+3，最大循环次数为100000，输入节点数为3，输出节点数为5。

6.如权利要求5所述的基于模糊BP神经网络的玻璃钢化的工艺参数设置方法，其特征在于，所述步骤(7)以选择的最优工艺参数作为待钢化玻璃钢化时的工艺参数。

7.如权利要求5所述的基于模糊BP神经网络的玻璃钢化的工艺参数设置方法，其特征在于，所述步骤(7)中对选择相应的最优工艺参数进行人工修正，并以人工修正后的最优工艺参数作为待钢化玻璃钢化时的工艺参数。

8.如权利要求6或7所述的基于模糊BP神经网络的玻璃钢化的工艺参数设置方法，其特征在于，所述步骤(5)中还包括根据钢化后的玻璃质量对各类别的最优工艺参数评分，并将该评分记录于工艺数据库。

9.如权利要求8所述的基于模糊BP神经网络的玻璃钢化的工艺参数设置方法，其特征在于，检测以修正后的最优工艺参数作为待钢化玻璃钢化时的工艺参数，根据钢化后玻璃的质量对修正后的最优工艺参数评分，若该评分大于工艺数据库中相应的最优工艺参数的评分，则以修正后的最优工艺参数取代工艺数据库中相应的最优工艺参数。