1.一种水肥一体机多目标精准施肥控制参数优化方法，其特征在于，包括以下步骤：步骤1：建立水肥一体机多目标精准施肥控制参数优化数学模型，通过调节水肥一体机施肥泵的流量和扬程来控制水泵的运行；

其中，根据控制精度误差最小与运行成本最小，建立的多目标数学模型为：min F(x)＝(f1(x1，x2)，f2(x1，x2))f1(x1，x2)＝min max|gt(x1，x2)‑set|f2(x1，x2)＝min(A·k(x1，x2)+B·p(x1，x2))s.t：x＞0

其中，f1(x1，x2)为控制精度误差最小函数，f2(x1，x2)为运行成本最小函数，gt(x1，x2)为水肥一体机运行过程中的肥液浓度曲线，其中x1为水肥机流量，x2为水肥机扬程，set为设置的浓度值；k(x1，x2)为水肥一体机造价与流量‑扬程关系曲线，p(x1，x2)为流量‑扬程运行成本曲线，A，B为修正参数；

步骤2：求解所述步骤1中建立的数学模型的多目标优化的Pareto最优解集，通过求解Pareto最优解集得到一组最优解，包括f1(x1，x2)控制精度误差值与f2(x1，x2)运行成本值，求得水肥机施肥控制的精度控制和耗能之间的均衡组合，为选择适应于不同实际情况的设计方案提供最优解集；

步骤3：根据选择的最优解对水肥一体机参数进行设置。

2.根据权利要求1所述的水肥一体机多目标精准施肥控制参数优化方法，其特征在于，步骤2的具体实现包括以下子步骤：步骤2.1：初始化流量参数X＝[x1,i,x2,i,x3,i,x4,i..,xn,i]；其中xn,i为第i个个体在第n个时段的流量；采用在定义域范围内随机生成的方式进行流量变量的初始化；

步骤2.2：计算每个个体在f1(x1，x2)目标和f2(x1，x2)目标上的函数值；

步骤2.3：根据Pareto最优的定义，如果当前是第一代进化则分析当前群体，并找出所有Pareto最优解；如不是第一代进化分析当前群体和上一代Pareto最优解集中的所有个体，找出合并集合的Pareto最优解；

步骤2.4：对当前群体进行聚类分群，以Pareto解集中的解为中心，将当前群体分为M个群体，并采用灰狼优化算法分别计算每个群体的α、β、δ、ω四种层次的灰狼参数，并分群进行进化产生下一代群体；

具体实现包括以下子步骤：

步骤2.4.1：以Pareto最优解集中的Pareto最优解为中心，采用k‑mean按个体之间的欧式距离的远近进行分群；

步骤2.4.2：将一个分群的狼群分为4个层次，由上到下分别编号为α、β、δ、ω四种不同层次的狼，其中α为最优解、β为次优解、δ为第三解、其他个体为ω层次的狼；每个狼为一个个体，其数学表达式为：其中，Xi(t)表示第i只灰狼个体，N表示问题的维度，t为进化代数， 表示第i只灰狼在第N维上的值；

步骤2.4.3：通过模拟狼群狩猎的过程，设计求解水肥一体机多目标精准施肥控制参数优化算法，包括跟踪并靠近猎物、追踪包围猎物和攻击猎物三步骤；其狼群的靠近猎物过程具体数学模型如下：Xi(t+1)＝Xp(t)‑D·|C·Xp(t)‑Xi(t)|其中，t为当前迭代次数，Xp(t)为猎物在t时刻的位置，D·|C·Xp(t)‑Xi(t)|为狩猎包围的步长，D和C分别为控制包围步长的系数，系数定义如下：D＝a·(2·r1‑1)；

C＝2·r2；

其中，r1和r2为[0,1]之间的随机数，a为控制参数，随种群迭代次数的增加而减少，即：式中tmax为最大迭代次数；

步骤2.4.4：狼群中处于领导地位的不同层次的个体，进行更新操作，其他ω层次的狼根据α、β、δ狼的位置进行更新；其具体公式如下：其中，Xi，α(t+1)、Xi，β(t+1)、Xi，δ(t+1)、Xi，ω(t+1)分别表示α、β、δ、ω狼在第t+1代时的位置，该数学模型描述了狼群追踪包围猎物和攻击猎物的过程；

步骤2.5：合并所有的群体，并根据Pareto最优解的定义，即对于解集中的任意一个解都不存在另一个解Pareto支配该解，则称该解为Pareto最优解，根据定义更新Pareto最优解集；

步骤2.6：判断程序是否结束，即是否达到设置的进化代数；若是，求得水肥机施肥控制的精度控制和耗能之间的均衡组合，得到对应的x1，x2参数即施肥机的流量和压力，则本流程结束；否则跳转到步骤2.2。