1.一种基于改进BP神经网络提高裁床插补位置精度的方法，其特征在于，所述基于改进BP神经网络提高裁床插补位置精度的方法，包括：步骤1、获取待加工产品的原始加工轨迹曲线以及根据原始加工轨迹曲线拟合得到的B样条曲线节点矢量，从所述节点矢量中选取初始加工位置对应的节点作为当前节点；

步骤2、将当前节点的节点参数代入B样条曲线，求出实际插补点，进行插补动作；

步骤3、判断是否插补完成，如果完成则结束插补，否则返回步骤2；

其中，所述基于改进BP神经网络提高裁床插补位置精度的方法，在步骤S2之后，还包括：将当前节点的节点参数输入到训练好的BP神经网络插补模型，获取BP神经网络插补模型输出的节点参数预测值；

将BP神经网络插补模型输出的节点参数预测值代入B样条曲线，获取预测插补点，计算预测插补点与实际插补点的偏差以及对应的反馈校正输出；

根据反馈校正输出与原始加工轨迹曲线，结合牛顿搜索路径法，预测出下一次插补的节点参数，将预测出的节点参数作为当前节点的节点参数返回步骤2。

2.根据权利要求1所述的基于改进BP神经网络提高裁床插补位置精度的方法，其特征在于，所述计算预测插补点与实际插补点的偏差与对应的反馈校正输出，包括：计算预测插补点与实际插补点的偏差e(uj)：

e(uj)＝p(uj)-p(uj′)

进一步计算对应的反馈校正输出p*(uj)：

p*(uj)＝p(uj′)+he(uj)；

其中，uj为当前节点的节点参数，uj′为BP神经网络插补模型输出的节点参数预测值，p(uj)为实际插补点，p(uj′)为预测插补点，h为修正因子。

3.根据权利要求2所述的基于改进BP神经网络提高裁床插补位置精度的方法，其特征在于，所述根据反馈校正输出与原始加工轨迹曲线，结合牛顿搜索路径法，预测出下一次插补的节点参数，包括：采用如下公式预测出下一次插补的节点参数uj+1：

其中，f(uj)＝p*(uj)-yorg(uj)，f′(uj)为f(uj)在uj处的导数，yorg(uj)为原始加工轨迹曲线对应uj的数据点。

4.根据权利要求1所述的基于改进BP神经网络提高裁床插补位置精度的方法，其特征在于，所述训练好的BP神经网络插补模型，其训练过程包括：步骤F1、获取解析样本产品的原始加工轨迹曲线后拟合得到的B样条曲线节点矢量；

步骤F2、将获取的节点矢量中的节点参数依次输入到预先建立的BP神经网络插补模型进行迭代，对于当前输入的节点参数，获取BP神经网络插补模型的输出；

步骤F3、将BP神经网络插补模型的当前输出带入B样条曲线计算出预测插补点，与实际插补点进行比较，如果他们的差小于预设的精度阈值，则进入步骤F4，否则进入步骤F5；

步骤F4、判断是否达到迭代终止条件，如果达到则结束，否则返回步骤F2继续进行迭代；

步骤F5、计算损失函数，利用梯度下降法完成BP神经网络插补模型参数的更新；

步骤F6、加入动量因子对BP神经网络插补模型参数进行修正，返回F2继续进行迭代。