1.一种基于张力监测的变压器绕组铜线处理方法，其特征在于，包括：获取变压器绕组铜线的力学性能参数以建立变压器绕组铜线力学模型，基于所述变压器绕组铜线力学模型，通过有限元分析确定不同拆解张力下所述变压器绕组铜线的应力应变分布情况并分析，得到所述变压器绕组铜线发生永久变形的临界拆解张力阈值；获取历史变压器绕组铜线拆解图像，并根据从所述历史变压器绕组铜线拆解图像中提取的变压器绕组铜线表面粗糙度特征，确定所述变压器绕组铜线的表面损伤数据与拆解张力间的关联关系；获取所述变压器绕组铜线中绝缘层的撕裂强度和厚度均匀度以建立所述绝缘层的本构模型，基于所述绝缘层的本构模型，通过有限元分析确定不同拆解张力下所述绝缘层的应力分布和变形情况并分析，得到完全剥离所述绝缘层时所需的临界拆解张力范围；根据所述临界拆解张力阈值、所述关联关系和所述临界拆解张力范围构建多目标优化模型并求解，得到最优拆解张力控制策略；所述基于所述绝缘层的本构模型，通过有限元分析确定不同拆解张力下所述绝缘层的应力分布和变形情况并分析，得到完全剥离所述绝缘层时所需的临界拆解张力范围，包括：基于所述绝缘层的本构模型，获取所述绝缘层与变压器绕组铜线界面的粘结强度和断裂能，以构建变压器绕组铜线界面的内聚力参数模型；基于所述绝缘层的本构模型和所述变压器绕组铜线界面的内聚力参数模型，通过有限元分析模拟所述变压器绕组铜线的拆解过程，得到所述绝缘层在不同拆解张力下的应力分布和变形数据；根据所述应力分布和变形数据确定所述绝缘层的应力与应变曲线以及剥离力与位移曲线，以生成所述绝缘层在不同拆解张力下的剥离行为演化模型；以剥离力突降点为曲线特征点，并以预设剥离面积为临界点，根据所述曲线特征点和所述临界点确定在所述剥离行为演化模型中完全剥离所述绝缘层时所需的临界拆解张力范围。
2.根据权利要求1所述的一种基于张力监测的变压器绕组铜线处理方法，其特征在于，所述基于所述变压器绕组铜线力学模型，通过有限元分析确定不同拆解张力下所述变压器绕组铜线的应力应变分布情况并分析，得到所述变压器绕组铜线发生永久变形的临界拆解张力阈值，包括：设置边界条件和载荷步，并通过有限元求解器计算所述变压器绕组铜线在不同拆解张力下的应力和应变分布数据；根据所述应力和应变分布数据计算所述变压器绕组铜线在不同拆解张力下的最大等效应力和等效塑性，以确定所述变压器绕组铜线在屈服时的临界拆解张力；引入塑性应变累积规则，基于所述临界拆解张力建立所述变压器绕组铜线的塑性应变与拆解张力的关系模型；获取所述变压器绕组铜线在永久变形时的临界塑性应变阈值，并通过所述临界塑性应变阈值求解所述关系模型，得到所述变压器绕组铜线发生永久变形的临界拆解张力阈值。
3.根据权利要求1所述的一种基于张力监测的变压器绕组铜线处理方法，其特征在于，所述根据从所述历史变压器绕组铜线拆解图像中提取的变压器绕组铜线表面粗糙度特征，确定所述变压器绕组铜线的表面损伤数据与拆解张力间的关联关系，包括：提取所述历史变压器绕组铜线拆解图像的纹理特征，并根据所述纹理特征构建变压器绕组铜线表面粗糙度特征向量，以判断所述变压器绕组铜线的表面是否存在损伤；在所述变压器绕组铜线的表面存在损伤时，计算所述变压器绕组铜线的损伤面积占比和最大损伤深度，以作为表面损伤程度的量化指标；通过多项式回归法拟合所述量化指标与拆解张力之间的函数关系，得到所述变压器绕组铜线的表面损伤数据与拆解张力间的关联关系。
4.根据权利要求3所述的一种基于张力监测的变压器绕组铜线处理方法，其特征在于，所述提取所述历史变压器绕组铜线拆解图像的纹理特征，包括：通过局部二值模式变换突出所述历史变压器绕组铜线拆解图像的表面纹理特征，得到表面清晰纹理图像；通过灰度共生矩阵提取所述表面清晰纹理图像的表面特征，并基于所述表面特征计算特征统计量；所述特征统计量包括能量、对比度、熵、相关性、平均粗糙度和最大轮廓高度；根据所述特征统计量确定所述历史变压器绕组铜线拆解图像的纹理特征。
5.根据权利要求1所述的一种基于张力监测的变压器绕组铜线处理方法，其特征在于，所述根据所述临界拆解张力阈值、所述关联关系和所述临界拆解张力范围构建多目标优化模型并求解，得到最优拆解张力控制策略，包括：根据所述临界拆解张力阈值、所述关联关系和所述临界拆解张力范围构建多个单目标模型；以拆解张力为决策变量，并以最大化变压器绕组铜线回收质量为优化目标，将多个所述单目标模型转化为多目标优化模型；通过改进非支配排序遗传算法对所述多目标优化模型进行求解，得到最优拆解张力控制策略。
6.根据权利要求5所述的一种基于张力监测的变压器绕组铜线处理方法，其特征在于，所述通过改进非支配排序遗传算法对所述多目标优化模型进行求解，得到最优拆解张力控制策略，包括：初始化包含若干个体的种群，并对种群规模、交叉概率、变异概率和迭代次数进行初值设置；将初始化后的种群中的个体按非支配关系进行分层，并通过所述多目标优化模型计算各个体的拥挤度；通过二进制锦标赛选择策略，根据各个体的非支配分层等级和拥挤度来选择父代个体；基于初值设置后的所述交叉概率和初值设置后的所述变异概率，根据各个体的拥挤度通过均匀交叉和均匀变异以对交叉概率和变异概率进行调节，并通过调节后的交叉概率和变异概率分别对个体进行交叉和变异，得到子代个体；将所述父代个体和所述子代个体合并得到新种群，并对所述新种群进行非支配排序和拥挤度计算，得到新父代个体和新子代个体以对所述新种群进行迭代更新，直至达到所述迭代次数，输出最终种群；通过优劣解距离法对所述最终种群进行综合评价，以计算所述最终种群中每个解相对于理想解和负理想解的欧氏距离，得到综合性能指数，并选取所述综合性能指数最高的解作为最优拆解张力控制策略。
7.根据权利要求1所述的一种基于张力监测的变压器绕组铜线处理方法，其特征在于，所述根据所述临界拆解张力阈值、所述关联关系和所述临界拆解张力范围构建多目标优化模型并求解，得到最优拆解张力控制策略之后，包括：获取执行所述最优拆解张力控制策略时的变压器绕组铜线拆解实时图像，并从所述变压器绕组铜线拆解实时图像提取变压器绕组铜线表面实时粗糙度特征和所述绝缘层的剥离状态特征；将所述变压器绕组铜线表面实时粗糙度特征和所述剥离状态特征输入至多层前馈神经网络，并以所述变压器绕组铜线表面实时粗糙度特征的评估指标和所述剥离状态特征的评估指标所构建的适应度函数，指导标准粒子群算法和合作粒子群算法搜索所述多层前馈神经网络的最优权重和最优偏置，以使设置所述最优权重和所述最优偏置的多层前馈神经网络输出最优拆解张力优化值；将所述最优拆解张力优化值、当前拆解张力的偏差和偏差变化率输入至模糊PID控制器，以将所述模糊PID控制器的输入量转化为语言变量，并基于预设模糊规则对所述语言变量进行推理，得到PID参数调整量；控制张力施加机构根据所述PID参数调整量对应的张力调整量对拆解张力进行调节。
8.根据权利要求7所述的一种基于张力监测的变压器绕组铜线处理方法，其特征在于，所述根据所述临界拆解张力阈值、所述关联关系和所述临界拆解张力范围构建多目标优化模型并求解，得到最优拆解张力控制策略之后，还包括：根据所述变压器绕组铜线表面实时粗糙度特征和所述剥离状态特征构建所述变压器绕组铜线的原始质量评价数据；提取所述原始质量评价数据的时域特征和频域特征，得到质量评价特征，并通过相关分析法量化所述质量评价特征间的相关程度，得到特征相关性；基于所述特征相关性与预设相关阈值间的关系，通过随机森林算法构建变压器绕组铜线质量评估模型，以确定所拆解变压器绕组铜线的质量等级，并根据拆解变压器绕组铜线的质量等级确定对应的加工工艺。
9.一种基于张力监测的变压器绕组铜线处理系统，其特征在于，包括：张力阈值分析模块，用于获取变压器绕组铜线的力学性能参数以建立变压器绕组铜线力学模型，基于所述变压器绕组铜线力学模型，通过有限元分析确定不同拆解张力下所述变压器绕组铜线的应力应变分布情况并分析，得到所述变压器绕组铜线发生永久变形的临界拆解张力阈值；关联关系确定模块，用于获取历史变压器绕组铜线拆解图像，并根据从所述历史变压器绕组铜线拆解图像中提取的变压器绕组铜线表面粗糙度特征，确定所述变压器绕组铜线的表面损伤数据与拆解张力间的关联关系；张力范围生成模块，用于获取所述变压器绕组铜线中绝缘层的撕裂强度和厚度均匀度以建立所述绝缘层的本构模型，基于所述绝缘层的本构模型，通过有限元分析确定不同拆解张力下所述绝缘层的应力分布和变形情况并分析，得到完全剥离所述绝缘层时所需的临界拆解张力范围；最优策略求解模块，用于根据所述临界拆解张力阈值、所述关联关系和所述临界拆解张力范围构建多目标优化模型并求解，得到最优拆解张力控制策略；所述基于所述绝缘层的本构模型，通过有限元分析确定不同拆解张力下所述绝缘层的应力分布和变形情况并分析，得到完全剥离所述绝缘层时所需的临界拆解张力范围，包括：基于所述绝缘层的本构模型，获取所述绝缘层与变压器绕组铜线界面的粘结强度和断裂能，以构建变压器绕组铜线界面的内聚力参数模型；基于所述绝缘层的本构模型和所述变压器绕组铜线界面的内聚力参数模型，通过有限元分析模拟所述变压器绕组铜线的拆解过程，得到所述绝缘层在不同拆解张力下的应力分布和变形数据；根据所述应力分布和变形数据确定所述绝缘层的应力与应变曲线以及剥离力与位移曲线，以生成所述绝缘层在不同拆解张力下的剥离行为演化模型；以剥离力突降点为曲线特征点，并以预设剥离面积为临界点，根据所述曲线特征点和所述临界点确定在所述剥离行为演化模型中完全剥离所述绝缘层时所需的临界拆解张力范围。
