1.一种基于功率检测的铣床加工过程刀具磨损量预测方法，其特征在于，其步骤为：S1、数据采集：采集功率信号和测量刀具磨损量；

S2、特征提取：提取功率有效值特征，计算所述功率有效值特征与所述刀具磨损量的相关系数，得到敏感特征；

S3、特征后处理：先对所述敏感特征的所有特征值进行保序回归，再进行指数平滑；

S4、预测模型：通过训练样本，进行稀疏贝叶斯学习方法SBL模型预测，进行验证样本。

2.如权利要求1所述的一种基于功率检测的铣床加工过程刀具磨损量预测方法，其特征在于，通过功率传感器来采集铣床加工过程的功率信号；

测量刀具磨损量是在每次走刀完毕后利用显微镜对刀具磨损进行测量。

3.如权利要求2所述的一种基于功率检测的铣床加工过程刀具磨损量预测方法，其特征在于，所述功率有效值特征包含有效值最大值、有效值最小值和有效值均值；

提取每一次走刀后的有效值最大值、有效值最小值和有效值均值，分别计算出整个走刀过程的有效值最大值的均值、有效值最小值的均值和有效值均值的均值，再分别计算有效值最大值、有效值最小值和有效值均值与所述刀具磨损量的相关系数。

4.如权利要求3所述的一种基于功率检测的铣床加工过程刀具磨损量预测方法，其特征在于，计算任意一功率有效值特征与所述刀具磨损量的相关系数的公式为：其中，i—走刀时间；xi—第i次的有效值特征值；—整个走刀过程的有效特征值的均值；Vai—第i次走刀时产生的刀具磨损量； —整个过程的刀具磨损量平均值；ρ—第i次走刀后有效值特征与刀具磨损量的相关系数。

5.如权利要求4所述的一种基于功率检测的铣床加工过程刀具磨损量预测方法，其特征在于，比较有效值最大值与刀具磨损量的相关系数、有效值最小值与刀具磨损量的相关系数以及有效值均值与刀具磨损量的相关系数的大小，将最大相关系数值所对应的功率有效值特征作为敏感特征。

6.如权利要求5所述的一种基于功率检测的铣床加工过程刀具磨损量预测方法，其特征在于，所述保序回归是使敏感特征的所有特征值保持单调不减的趋势；

所述保序回归的步骤为：

a、如果对于任意的i＝1,2,…,N，都有fi≤fi+1，则b、若存在i使得fi＞fi+1，令 同时将 更新为c、重复所述步骤b，直至得到的 满足 则输出结果

其中，fi为敏感特征的第i个特征值，N为敏感特征的所有特征值的个数，f*i是fi的保序回归， 是N个特征值的序列， 是N个特征值保持单调不减的保序回归序列。

7.如权利要求6所述的一种基于功率检测的铣床加工过程刀具磨损量预测方法，其特征在于，对保持单调不减的敏感特征的所有特征值进行指数平滑，使其变化光滑；

所述指数平滑为：

给定时间序列xt,xt-1,…,x2,x1，经过一次指数平滑后的序列为：yi＝αxi+(1-α)yi-1(2≤i≤t)， 其中，0<α<1；α为平滑系数，yi为在时刻i秒的平滑值，yi-1为在时刻i-1秒的平滑值；y1为初始平滑值，x1是第一秒时刻的特征值，x2是第二秒时刻的特征值，x3是第三秒时刻的特征值。

8.如权利要求7所述的一种基于功率检测的铣床加工过程刀具磨损量预测方法，其特征在于，所述平滑系数α设为0.3。

9.如权利要求7或8所述的一种基于功率检测的铣床加工过程刀具磨损量预测方法，其特征在于，通过稀疏贝叶斯学习方法SBL模型预测，输入敏感特征的特征值样本，来预测对应的刀具磨损量；

所述稀疏贝叶斯学习方法SBL模型预测步骤为：

n×k

S41：给定输入Y ＝[y1,y2,…,yk]；

其中y1,y2,…,yk分别为经过后处理的k个敏感特征的特征值，矩阵Y的每一行yi＝[yi1,yi2,…,yik](i＝1,…,n)相应地输出作为显微镜测量的刀具磨损量ti；

S42：根据步骤S41中给定输入的敏感特征的特征值样本，初始化高斯噪声方差σ2和超参数向量α＝(α1,α2,…,αN)，设定超参数迭代上限αmax；其中，若假定ti是一未知函数和测量误差εi的组合，则得到公式：ti＝F(yi,W)+εi；式中：εi是独立的误差项，且服从高斯分布Ν(0,σ2)；ti服从期望为F(yi,W)、高斯噪声方差为σ2的高斯分布，W＝(w0,w1,…,wn)是权值向量；

S43：根据公式u＝σ1-2∑ΦTt、Σ＝(σ1-2ΦTΦ+A)-1分别计算权值向量W的期望u和方差σ12；其中，t是刀具磨损量，Φ＝[Φ(y1),Φ(y2),…,Φ(yn)]T是基函数矩阵，Φ(yi)＝[1,K(yi,y1),K(yi,y2),…,K(yi,yn)]T；W服从高斯先验分布，且 式中：α＝(α0,α1,…,αn)是超参数向量，αi是对wi指定的超参数，A＝diag(α0,α1,…,αn)；

S44：进行更新，重新计算高斯噪声方差σ2；

S45：重复步骤S43和步骤S44，直至达到指定的迭代次数，或者直至高斯噪声方差σ2及超参数向量α＝(α0,α1,…,αN)达到指定的计算精度；

S46：进行筛选，保留超参数向量中小于αmax的超参数所对应的权值和基函数；

S47：预测对应的刀具磨损值t*。

10.如权利要求9所述的一种基于功率检测的铣床加工过程刀具磨损量预测方法，其特征在于，所述步骤S42中设定超参数迭代上限αmax＝1.0e4。