1.基于双目标遗传算法的电磁推力轴承结构参数优化方法，其特征在于，该方法包括如下步骤：第一步：根据电磁推力轴承结构建立双目标优化模型，第一个目标函数f1(x)是轴承的质量，第二个目标函数f2(x)是线圈的能量损耗，其模型为：其中，M为推力轴承的总质量，Ms为定子质量，Mc为线圈质量，P为线圈的能量损耗，ρe是导体的电阻率，Kc是线圈填充系数，J是电流密度，AN是线圈窗口面积，L是导体的总长度，n是线圈匝数；

第二步：要保证电磁推力轴承正常使用，电磁推力轴承在工作中必须要承受多种约束，包括承载力、磁通密度、温升及磁路之间的约束关系；

第三步：建立轴承质量最轻以及线圈能量损耗最低的双目标优化数学模型；并确定待优化的结构参数，待优化的结构参数包括：外磁极宽度x1、内磁极宽度x2、磁轭厚度x3以及线圈腔宽度x4、线圈腔高度x5，独立设计变量X＝[x1,x2,x3,x4,x5]；

第四步：利用线性加权法，构造评价函数min F(x)，将双目标优化函数转化为单目标优化函数，使得运算过程得以简化；构造的评价函数为：其中，ωi是加权因子，f(x)是目标函数，z是目标函数的个数；

第五步：输入电磁推力轴承中已知的参数值及初始参数值，已知的参数值包括电磁推力轴承的最大电磁力Qmax，转子直径d，通电电流I，电流密度J，轴承材料的最大磁通密度Bmax，轴向气隙长度c0，线圈填充系数Kc；初始参数值包括采用该算法中待优化的结构种群个数、进化的代数以及待优化的结构参数搜索范围，并产生初始种群；

其中，待优化的结构参数值大于0；具体的，待优化的结构参数下限X下限＝[0,0,0,0,0]，待优化的结构参数上限X上限＝[0.01,0.01,0.01,0.05,0.05]；

第六步：采用惩罚函数法，计算新的适应度函数，并确定新的适应度函数是否达到期望值或迭代次数是否达到最大值；

具体的操作方法是在目标函数转化为适应度函数时加上一个惩罚函数项；新的适应度函数即为惩罚函数：A(x,r)＝minF(x)+rB(x)     (3)

其中，r为惩罚因子，rB(x)为惩罚项，A(x,r)为惩罚函数；

第七步：如果新的适应度函数达到期望值或迭代次数达到最大值，则根据结构参数上限、下限值，由遗传算法GA的进化，优化得到评价函数F在不同迭代次数的Pareto最优解集；

第八步：根据电磁推力轴承中已知的参数值，包括电磁推力轴承的最大电磁力Qmax，转子直径d，通电电流I，电流密度J，轴承材料的最大磁通密度Bmax，轴向气隙长度c0，线圈填充系数Kc，计算每个Pareto最优解对应的目标函数f1、f2；

第九步：对f1、f2值进行评估，采用Levenberg-Marqurt算法，选择总拟合残余最小的一组值为拟合的最优解。

2.根据权利要求1所述的基于双目标遗传算法的电磁推力轴承结构参数优化方法，其特征在于，在所述第二步的过程中，承载力、磁通密度、温升及磁路之间存在相互间的约束关系，其约束条件为：其中，Qmax是电磁推力轴承的最大电磁力，Q是电磁推力轴承的电磁力，Bmax是轴承材料的最大磁通密度，Bs是轴承材料的饱和磁通密度，Δt是温度的改变量，Δt0为允许的温升，S1是外环面积，S2是磁轭面积，S3是内环面积。

3.根据权利要求1所述的基于双目标遗传算法的电磁推力轴承结构参数优化方法，其特征在于，在所述第三步的过程中，建立轴承质量最轻以及工作中线圈能量损耗最低的双目标优化数学模型，如下式：建立轴承质量最轻以及工作中线圈能量损耗最低双目标优化数学模型的约束条件如下:其中，Qmax是电磁推力轴承的最大电磁力，Q是电磁推力轴承的电磁力，Bmax是轴承材料的最大磁通密度，Bs是轴承材料的饱和磁通密度，Δt是温度的改变量，Δt0为允许的温升，S1是外环面积，S2是磁轭面积，S3是内环面积。

4.根据权利要求1所述的基于双目标遗传算法的电磁推力轴承结构参数优化方法，其特征在于，在所述第五步的过程中，种群个数为20-150，进化的代数为20-150。

5.根据权利要求4所述的基于双目标遗传算法的电磁推力轴承结构参数优化方法，其特征在于，在所述第五步的过程中，种群个数为50，进化的代数为100。

6.根据权利要求1～5中任意一项所述的基于双目标遗传算法的电磁推力轴承结构参数优化方法，其特征在于：所述电磁推力轴承的材料为软磁复合材料。