1.微小型涡喷发动机基于bp神经网络叶轮优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的微小型涡喷发动机基于bp神经网络叶轮优化方法，其特征在于，s3具体包括以下步骤：
3.根据权利要求2所述的微小型涡喷发动机基于bp神经网络叶轮优化方法，其特征在于，s32步骤中个体的基因重组方式为：将个体进行实值解码，采用归一化方法给每个个体分配与其适应度相关联的权重系数，基因重组后的个体表示为：
4.根据权利要求3所述的微小型涡喷发动机基于bp神经网络叶轮优化方法，其特征在于，个体的基因突变方式为：个体以概率pm产生如下基因突变：
5.根据权利要求2所述的微小型涡喷发动机基于bp神经网络叶轮优化方法，其特征在于，s31具体包括以下步骤：
6.根据权利要求1所述的微小型涡喷发动机基于bp神经网络叶轮优化方法，其特征在于，s4步骤还包括：迭代s3-s4步骤，满足结束条件时，输出当前最优权值和当前最优；在s4步骤中，设置权值误差设定值和阈值误差设定值，计算当前最优权值与初始权值之间的差值、当前最优阈值与初始阈值之间的差值，设置当前最优权值与初始权值之间的差值为权值误差，当前最优阈值与初始阈值之间的差值为阈值误差，结束条件为：权值误差小于权值误差设定值，且阈值误差小于阈值误差设定值。
7.根据权利要求1所述的微小型涡喷发动机基于bp神经网络叶轮优化方法，其特征在于，bp网络模型为三层网络结构，包括输入层、隐含层和输出层，结构表示为：
8.根据权利要求7所述的微小型涡喷发动机基于bp神经网络叶轮优化方法，其特征在于，隐含层的节点数的表达式为：
9.根据权利要求8所述的微小型涡喷发动机基于bp神经网络叶轮优化方法，其特征在于，bp网络模型中权值、阈值的表达式分别为：
10.根据权利要求1所述的微小型涡喷发动机基于bp神经网络叶轮优化方法，其特征在于，s1包括以下步骤：