1.一种基于Workbench和Matlab构建螺栓疲劳寿命预测模型的方法，其特征在于，所述方法包括：

获取螺栓的几何参数，基于几何参数利用Workbench绘制螺栓的三维模型，其中，螺栓几何参数包括：螺栓的公称直径、连接件厚度、螺栓头和螺母的尺寸、螺帽和螺母的厚度以及螺栓的公称长度；

将三维模型进行网格划分得到螺栓的三维网格模型；

获取螺栓的变载荷以及变载荷的调整步长；

向螺栓的三维网格模型施加变载荷，得到在变载荷下螺栓的疲劳寿命；

利用调整步长调整变载荷的大小，向螺栓的三维网格模型施加调整后的变载荷，得到在调整后的变载荷下螺栓的疲劳寿命；

判断是否得到第一数量的同一公称直径和连接件厚度的螺栓在不同变载荷作用下疲劳寿命的数据；

未得到第一数量的数据，返回利用调整步长调整变载荷的大小的步骤；

得到第一数量的数据，调整螺栓的公称直径和/或连接件厚度，并判断是否得到第二数量的不同公称直径和/或不同连接件厚度的螺栓在不同变载荷作用下疲劳寿命的数据；

未得到第二数量的数据，利用调整后的公称直径和/或连接件厚度更新几何参数，并返回基于几何参数利用Workbench绘制螺栓的三维模型的步骤；

得到第二数量的数据，利用所得到的不同公称直径和/或不同连接件厚度的螺栓在不同变载荷作用下疲劳寿命的数据构建样本点数据库，样本点数据库中每一样本点包括：公称直径、连接件厚度、变载荷以及疲劳寿命；

基于Matlab神经网络构建螺栓疲劳寿命预测初始模型，利用样本点数据库中的各个样本点对螺栓疲劳寿命预测初始模型进行训练，得到螺栓疲劳寿命预测模型。

2.如权利要求1所述的方法，其特征在于，向螺栓的三维网格模型施加变载荷，得到在变载荷下螺栓的疲劳寿命的步骤，包括：根据螺栓材料的屈服极限和螺栓中螺杆的小径预估螺栓的预紧力；

向螺栓的三维网格模型施加变载荷和预紧力；

确定三维网格模型中所承受螺栓拉力最大的网格区域，基于螺栓在预紧力和变载荷下的力‑变形规律曲线，计算网格区域承受的螺栓拉力；

基于螺栓材料的疲劳特性，利用螺栓拉力预估螺栓的疲劳寿命。

3.如权利要求2所述的方法，其特征在于，根据螺栓材料的屈服极限和螺栓中螺杆的小径预估螺栓的预紧力的步骤，包括：利用以下表达式根据螺栓材料的屈服极限和螺栓中螺杆的小径预估螺栓的预紧力：其中，Qp为预紧力，σs为螺栓材料的屈服极限，d1为螺杆的小径。

4.如权利要求2所述的方法，其特征在于，基于螺栓在预紧力和变载荷下的力‑变形规律曲线，计算网格区域承受的螺栓拉力的步骤，包括：基于螺栓在预紧力和变载荷下的力‑变形规律曲线，确定螺栓的螺栓拉力与变载荷之间的计算表达式：

其中，ΔF为螺栓拉力，Cl为螺栓的刚度，Cf为联接件的刚度，P8为变载荷；

利用所确定的计算表达式计算网格区域承受的螺栓拉力。

5.如权利要求2所述的方法，其特征在于，利用螺栓拉力预估螺栓的疲劳寿命的步骤，包括：

通过以下表达式利用螺栓拉力预估螺栓的疲劳寿命：lgN＝14.3272‑3.0831lgσ其中，N为疲劳寿命，σ为在无限多次变载荷作用下而不会产生破坏的最大拉力。

6.如权利要求1所述的方法，其特征在于，利用所得到的不同公称直径和/或不同连接件厚度的螺栓在不同变载荷作用下疲劳寿命的数据构建样本点数据库的步骤之前，还包括：

获取有效应力集中系数、绝对尺寸系数以及表面状态系数，通过以下表达式利用所获取的系数计算疲劳强度影响因子：其中，Kf疲劳强度影响因子，kσ为有效应力集中系数；εσ为绝对尺寸系数；β为表面状态系数；

利用疲劳强度影响因子调整疲劳寿命。

7.如权利要求1所述的方法，其特征在于，利用样本点数据库中的各个样本点对螺栓疲劳寿命预测初始模型进行训练，得到螺栓疲劳寿命预测模型的步骤，包括：在样本点中选取第三数量的训练样本；

将训练样本中包含的公称直径、连接件厚度、变荷载以及疲劳寿命采用最大最小值法分别做归一化处理；

将归一化处理后的公称直径、连接件厚度以及变荷载输入螺栓疲劳寿命预测初始模型，得到疲劳寿命的训练输出值；

利用均方误差函数，计算疲劳寿命的训练输出值与训练样本中归一化处理后的疲劳寿命之间的损失值；

判断损失值是否小于预设阈值；

如果否，利用梯度下降算法调整螺栓疲劳寿命预测初始模型中的参数，并返回将归一化处理后的公称直径、连接件厚度以及变荷载输入螺栓疲劳寿命预测初始模型，得到疲劳寿命的训练输出值的步骤；

如果是，将螺栓疲劳寿命预测初始模型作为螺栓疲劳寿命预测模型。

8.如权利要求7所述的方法，其特征在于，还包括：将除训练样本以外的样本点作为验证样本；

将验证样本中的公称直径、连接件厚度、变荷载以及疲劳寿命采用最大最小值法分别做归一化处理；

将归一化处理后的公称直径、连接件厚度以及变荷载载输入螺栓疲劳寿命预测模型，得到疲劳寿命的验证输出值；

判断疲劳寿命的验证输出值与验证样本中归一化处理后的疲劳寿命之间的误差是否在预定误差范围内；

如果否，返回在样本点中选取第三数量的训练样本的步骤；如果是，利用螺栓疲劳寿命预测模型进行螺栓疲劳寿命预测。

9.一种基于Workbench和Matlab构建螺栓疲劳寿命预测模型的装置，其特征在于，所述装置包括：

模型绘制模块，用于获取螺栓的几何参数，基于几何参数利用Workbench绘制螺栓的三维模型，其中，螺栓几何参数包括：螺栓的公称直径、连接件厚度、螺栓头和螺母的尺寸、螺帽和螺母的厚度以及螺栓的公称长度；

网格划分模块，用于将三维模型进行网格划分得到螺栓的三维网格模型；

载荷获取模块，用于获取螺栓的变载荷以及变载荷的调整步长；

第一载荷施加模块，向螺栓的三维网格模型施加变载荷，得到在变载荷下螺栓的疲劳寿命；

第二载荷施加模块，用于利用调整步长调整变载荷的大小，向螺栓的三维网格模型施加调整后的变载荷，得到在调整后的变载荷下螺栓的疲劳寿命；

数量判断模块，用于判断是否得到第一数量的同一公称直径和连接件厚度的螺栓在不同变载荷作用下疲劳寿命的数据；

未得到第一数量的数据，触发第二载荷施加模块；

得到第一数量的数据，调整螺栓的公称直径和/或连接件厚度，并判断是否得到第二数量的不同公称直径和/或不同连接件厚度的螺栓在不同变载荷作用下疲劳寿命的数据；

未得到第二数量的数据，利用调整后的公称直径和/或连接件厚度更新几何参数，并触发模型构建模块；

得到第二数量的数据，触发数据库构建模块；

数据库构建模块，用于利用所得到的不同公称直径和/或不同连接件厚度的螺栓在不同变载荷作用下疲劳寿命的数据构建样本点数据库，样本点数据库中每一样本点包括：公称直径、连接件厚度、变载荷以及疲劳寿命；

模型构建模块，用于基于Matlab神经网络构建螺栓疲劳寿命预测初始模型，利用样本点数据库中的各个样本点对螺栓疲劳寿命预测初始模型进行训练，得到螺栓疲劳寿命预测模型。

10.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放处理器可执行指令；

处理器，用于执行存储器上所存放的指令时，实现权利要求1‑8任一所述的方法步骤。