1.一种基于长短期记忆的数控加工工艺参数优化方法，其特征在于，包括如下步骤：步骤S1、运行数控机床的G代码，得到所述G代码的指令序号，以及包括进给速度在内的工作任务数据和状态数据；

步骤S2、深度神经网络根据接受到当前状态的所述状态数据，前向传播预测出当前状态的下一状态第m行的所述G代码第n次的所述进给速度其中，所述深度神经网络的训练方法包括：步骤201、采集数控机床的位置控制装置程序运行时的位移增量，以及从数值控制装置获取进给速度，对所述位移增量和所述进给速度的数据进行分段，将其分为M个加工工件的加工过程对应的M段信号；

步骤202、对于每段信号进行规整处理，使各段信号长度一致，然后将规整的各段位移t

增量信号数据，送入长短期记忆的网络中进行训练，其中输入的序列为X∈{x |Ti＜T＜t

Ti+Δ}，其中x＝[Δx,Δy,Δz]为各个轴的X、Y、Z的增量，T为G代码行号；

t

步骤S203、用位移增量的训练的结果对进给速度进行预测，输出为Y＝{y|Ti＜T＜Ti+Δ}其中yt＝[ΔFx,ΔFy,ΔFz]为各个轴的预测进给速度，利用已知的实际进给速度y实，得到实际进给速度y实与预测进给速度yt的误差值，通过反向传播算法，并使用随机梯度下降法最小化误差，可以最终完成深度神经网络的训练；

步骤S3、判断所述进给速度 是否在进给速度的允许范围内，如果是则进行下一步骤S4，否则返回步骤S2；

步骤S4、用预测得到的所述下一状态的进给速度 对原第m行的G代码的所述进给速度进行第n次替换修正，并运行修正后的所述G代码；

步骤S5、判断加工精度ERR与加工效率是否大于预设值，如果是则执行下一步骤S6，否则返回步骤S2；

步骤S6、判断参数是否结束，如果是则转下一步骤S7，否则返回步骤S1；

步骤S7、提取最优参数。

2.根据权利要求1所述的一种基于长短期记忆的数控加工工艺参数优化的方法，其特征在于，所述步骤S2中的深度神经网络为长短期记忆神经网络，且为预先训练好的。

3.根据权利要求1所述的一种基于长短期记忆的数控加工工艺参数优化的方法，其特征在于，在所述步骤S3中，

对所述进给速度的判断是预测结果进行的一次过滤，不局限于对超过最高进给速度；

如果低于最低进给速度同样属于过滤范围；

在对所述进给速度预测时，如果预测值大于最大进给速度 的次数超过两次，或者预测值小于最小速度 的次数超过两次，则将预测值选取为小于最大值Fmax的合适值Fma；或者大于Fmin的合适适值Fmi；

所述进给速度的值能够预先设定，也能够根据条件设定。

4.根据权利要求1所述的一种基于长短期记忆的数控加工工艺参数优化方法，其特征在于，所述步骤S4中，对所述进给速度 进行的替换，优先进行局部替换，然后才进行全局替换。

5.根据权利要求1所述的一种基于长短期记忆的数控加工工艺参数优化方法，其特征在于，所述工作任务数据是进给速度F下运动的G代码，所述状态数据是从数控机床内部直接获取的进给轴的电流、脉冲信号、位置增量和进给速度。

6.根据权利要求1所述的一种基于长短期记忆的数控加工工艺参数优化方法，其特征在于，所述加工精度ERR表达式为：其中R为实际运行轨迹与指令运行轨迹之间的差值。