1.大型单口径射电望远镜，其特征在于：由方位调整机构、方位座架、俯仰机构、俯仰角度传感器、方位角度传感器、温度应变传感器一、桁架式背架结构、接收机、副反射面、角度控制促动器、平台、连接件、位移控制促动器、主反射面和电动缸组成；方位调整机构用于驱动方位座架调整方位角；俯仰机构的俯仰框架固定在方位座架上，俯仰机构用于调整桁架式背架结构的俯仰角；所述的主反射面与桁架式背架结构通过呈同心圆状分布的若干温度应变传感器一连接，每个同心圆上排布沿周向均布的多个温度应变传感器一；方位角度传感器固定在俯仰机构的俯仰框架上，监测方位座架的方位角；俯仰角度传感器固定在桁架式背架结构上，监测桁架式背架结构的俯仰角；所述的接收机固定在主反射面上；连接件与主反射面通过三个以上电动缸连接，电动缸的缸体与主反射面球铰接，电动缸的推杆与连接件球铰接；平台与连接件底部通过多个角度控制促动器连接；副反射面由若干分块单元和补形分块组成，整体呈双曲面形状；补形分块与平台固定；分块单元与平台通过多个位移控制促动器连接；分块单元背面固定有散热装置和若干温度应变传感器二；

所述的散热装置由沿周向均布且交替排布的共面薄膜电极组一和共面薄膜电极组二组成；所述的共面薄膜电极组一由两对共面薄膜电极组成，相邻共面薄膜电极之间设有绝缘板，共面薄膜电极组二由四对共面薄膜电极组成，相邻共面薄膜电极之间设有绝缘板；所述的共面薄膜电极由铜薄膜和微槽道组成；共面薄膜电极由控制变压器进行调压。

2.根据权利要求1所述的大型单口径射电望远镜，其特征在于：所述的温度应变传感器一为基于光纤过耦合器结构的温度传感器。

3.根据权利要求1所述的大型单口径射电望远镜，其特征在于：所述的分块单元与平台通过七个位移控制促动器连接，分块单元几何中心处设有一个，其余六个呈正六边形排布在分块单元的各个角位置处。

4.根据权利要求1所述的大型单口径射电望远镜，其特征在于：所述的分块单元背面固定的温度应变传感器二有三个，呈正三角形排布。

5.根据权利要求1所述的大型单口径射电望远镜，其特征在于：所述的微槽道深

0.15mm，铜薄膜厚40μm。

6.根据权利要求1所述的大型单口径射电望远镜，其特征在于：所述的控制变压器设有三个，呈正三角形排列固定在分块单元背面，每个控制变压器对一个共面薄膜电极组一和共面薄膜电极组二的共面薄膜电极进行调压。

7.根据权利要求1至6中任一项所述的大型单口径射电望远镜提升指向误差的方法，其特征在于：该方法具体如下：

步骤一、建立主反射面的偏移量预测模型，具体如下：首先在计算机三维场景中对主、副反射面的初始位姿及对应的环境条件建立有限元模型，其中，主反射面的位姿包括方位角和俯仰角，副反射面的位姿通过各分块单元的几何中心坐标表达，主、副反射面的初始位姿均为无日照导致变形情况下的位姿，环境条件包括天气和时间；然后进行光束模拟，设计入射光线为平行光束，从照射到主反射面开始对光线进行追踪，从主反射面射出的光线照射到副反射面对应的分块单元上，形成反向光线；再对反向光线进行反向光线追踪到主反射面的对应位置上，由于副反射面受热变形导致反向追踪回主反射面的光线位置与平行光束照射位置存在面形误差△1；平行光束扫射完整个主反射面后，在主反射面上计算出不同位置的面形误差，这些面形误差的连线形成误差曲线，且这些面形误差曲线拟合后得到主反射面拟合曲线；接着，计算主反射面拟合曲线与主反射面未受平行光束照射前曲线相比存在的偏移量△L，以及主反射面拟合曲线与误差曲线相比存在的残余面形误差△2；在实际天气和时间情况下，通过主反射面上的各温度位移传感器一测量出主反射面各位置的位移实际值，计算位移实际值与偏移量△L的差值，并采用深度学习优化算法对各电动缸的调整量以及各角度控制促动器的运动量与环境条件和差值相关函数的参数进行修正；

步骤二、改变环境条件，继续对各电动缸的调整量以及各角度控制促动器的运动量与环境条件和差值相关函数的参数进行训练，直到位移实际值与偏移量△L的差值小于预设值时，训练结束，输出理想的各电动缸的调整量以及各角度控制促动器的运动量与环境条件和差值的相关函数以及各环境条件下的残余面形误差△2；

步骤三、在当前环境条件下，基于理想的各电动缸的调整量以及各角度控制促动器的运动量与环境条件和差值的相关函数，控制各电动缸的调整量以及各角度控制促动器的运动量，各电动缸驱动连接件、角度控制促动器、平台、位移控制促动器和副反射面同步运动，并通过各角度控制促动器的运动调整平台、位移控制促动器和副反射面同步运动，从而改变副反射面的整体位置，对偏移量△L进行整体补偿；而残余面形误差△2通过控制副反射面上的位移控制促动器进行局部自适应调节修正，达到提升副反射面面形精度和指向精度的目的。

8.根据权利要求7所述的大型单口径射电望远镜提升指向误差的方法，其特征在于：还建立了主、副反射面温度预测模型，具体如下：将天气、时间以及主反射面的位姿作为输入量，基于控制变量法对位姿、天气、时间逐一采用蒙特卡洛法计算出太阳光照射时主、副反射面各位置的温度理论值；然后，在主反射面实际位姿、实际天气、实际时间情况下，通过主反射面上的各温度位移传感器一和副反射面上的各温度位移传感器二测量出主、副反射面各位置的温度实际值，计算温度理论值与温度实际值之间的误差△，并采用深度学习优化算法对蒙特卡洛法中的函数参数进行修正，继续采用输入量训练集进行训练，直到误差△小于预设值ε时，函数参数修正结束，输出理想的目标函数；建立主、副反射面温度预测模型后，在不同时间、天气及位姿的状态下对主、副反射面实时温度进行预估，并传递给副反射面上的散热装置进行温度控制。