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),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；

2)输出向量定义：定义网络的输出向量y为卷芯直径值；

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

4)定义神经网络模型为：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；

公式一：

其中i＝1，2，3，…，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：k k k k k k k训练集里的第k个样本y定义为y＝(x ,aim),其中x＝xi ,k为训练样本个数；aim 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: 其中， C，V分别为铝电解电容器的设计容量和电压；

Setp3:比较并更新权重向量W：第五步：保存训练好的网络和权重向量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。