1.一种基于人工神经网络的铝电解电容器卷芯直径计算方法，其特征在于，包括以下步骤：第一步：输入向量、输出向量、权重向量和神经网络模型定义：

1)定义神经网络的输入向量x’＝(x1,x2,x3,...,x17),x1～x17。

x1：阳极箔厚度

x2：阳极箔面积

x3：阴极箔厚度

x4：阴极箔面积

x5：电解纸厚度

x6：电解纸面积

x7：导箔条厚度

x8：导箔条面积

x9：电胶带厚度

x10：电胶带面积

x11：卷芯直径

x12：电解液密度

x13：含浸充分程度

x14：现场温度

x15：现场湿度

x16：铆卷设备使用年限

x17：卷绕拉力

2)输出向量定义：定义网络的输出y向量为卷芯直径值；

3)权重向量W＝(w1,w2,…,w17)，初始化权值向量w1＝w2＝…,＝w17＝1

4)定义人工神经网络的输入为向量x＝{x1,x2,...x17}；

定义神经网络的权重值为向量W＝(w1,w2,…,w17)；

定义输出为y，y为卷芯直径；

定义的神经网络模型为：

其中θ为阈值，这里取θ＝0.8*Dl；Dl为铝壳直径；

第二步：变量归一化：

为了消除量纲的影响，将第一步的变量进行预处理，把数据映射到区间[qs,qe],qs,qe分别为区间的上下限,向量x’映射到区间[qs,qe]上变换成向量x，转换方法见公式一，设定qs＝0.8*Dl；qe＝0.9*Dl；Dl为铝壳直径；

公式一：

其中x’＝[1,17],qe,qs分别为映射区间的上下限值，Min(x’),Max(x’)分别为向量x的最小值，最大值；

第三步：训练神经网络的样本定义训练集里的第k个样本yk定义为yk＝(xk,aimk),其中xk＝xik,i＝[1,17],k为训练样本个数；aimk为第k个训练的目标输出；

第四步：利用第三步的样本训练神经网络，重复以下过程，直至训练完成：k

Step1:输入向量x

Step2:计算

其中k＝1,2,3...,t.t为样本数量,i＝1,2,3...17C，V分别为电容器的设计容量和电压；

Setp3:比较并更新权值向量w其中C，V分别为电容器的设计容量和设计电压；

第五步：保存训练好的网络和权值向量w，用户输入新的待计算数据xd时，通过网络输出yd即为卷芯直径的精确值。

2.根据权利要求1所述的一种基于人工神经网络的铝电解电容器卷芯直径计算方法，其特征在于，所述定义人工神经网络的输入为向量x＝{x1,x2,...x17}，其中x1：阳极箔厚度，x2：阳极箔面积，x3：阴极箔厚度，x4：阴极箔面积，x5：电解纸厚度，x6：电解纸面积，x7：导箔条厚度，x8：导箔条面积，x9：电胶带厚度，x10：电胶带面积，x11：卷芯直径，x12：电解液密度，x13：含浸充分程度，x14：现场温度，x15：现场湿度，x16：铆卷设备使用年限，x17：卷绕拉力；

所述定义神经网络的权重值为向量W＝(w1,w2,…,w17),其中wi为第i个输入的权重，i＝

1,2,3...17。