1.一种石墨电极缺损检测算法，其特征在于，包括：获取功率谱密度；

根据功率谱密度计算相关频段的功率比；

根据相关频段的功率比建立相应向量；

根据相应向量构建最优化模型，并获取最优化模型的解；以及根据最优化模型的解构建石墨电极缺损检测模型，并根据石墨电极缺损检测模型判断石墨电极的缺损程度。

2.如权利要求1所述的石墨电极缺损检测算法，其特征在于，所述获取功率谱密度的方法包括：根据声音信号数据，并通过FFT变换处理获取各频段的功率谱密度；

所述频段包括：500-1500Hz、1500-2500Hz、2500-3500Hz。

3.如权利要求2所述的石墨电极缺损检测算法，其特征在于，所述根据功率谱密度计算相关频段的功率比的方法包括：其中，S(fi)为频率为fi时功率谱密度的值；S(fi+1)为频率为fi+1时功率谱密度的值；nj为第j个频段按频率间隔等分的个数；fjh为第j个频段的最高频率；fjl为第j个频段的最低频率；Δf为fi到fi+1的频率间隔；Ej为第j个频段的功率；x(j)为第j个频段的功率与所有频段的功率之和的比值，即第j个频段的功率比，j＝1,2,3；

当j为1时，频段为500-1500Hz；

当j为2时，频段为1500-2500Hz；

当j为3时，频段为2500-3500Hz。

4.如权利要求3所述的石墨电极缺损检测算法，其特征在于，所述根据相关频段的功率比建立相应向量的方法包括：建立数据向量和权值系数向量；

所述数据向量为：x＝(x(1),x(2),x(3))；

其中，x(1)为500-1500Hz频段的功率比；x(2)为1500-2500Hz频段的功率比；x(3)为2500-

3500Hz频段的功率比；

所述权值系数向量为：w＝(w(1),w(2),w(3))；

其中，w(1)为500-1500Hz频段的功率比系数；w(2)为1500-2500Hz频段的功率比系数；w(3)为2500-3500Hz频段的功率比系数。

5.如权利要求4所述的石墨电极缺损检测算法，其特征在于，所述根据相应向量构建最优化模型，并获取最优化模型的解的方法包括：构建最优化模型，即

s.t.yi(wgxi+b)≥1-ξi；

ξi≥0i＝1,2,......,N；

其中，C为惩罚系数；xi为第i个训练数据向量；yi为xi的类标记，当yi为-1时表示石墨电极严重缺损，当yi为1时表示石墨电极无损；N为训练数据数目；ξ为松弛变量；ξi为第i个训练数据的松弛变量；b为偏置；

则最优化模型的解为：w*和b*；

其中，w*为系数向量的解；b*为偏置的解； 为拉格朗日乘子向量中对偶问题的解的第i个元素； 为对于所有石墨电极严重缺损yi＝-1的数据xi，计算w*xi，取所有w*xi的最大值； 为对于所有石墨电极无损yi＝1的数据xi，计算w*xi，取所有w*xi的最小值。

6.如权利要求5所述的石墨电极缺损检测算法，其特征在于，所述根据最优化模型的解构建石墨电极缺损检测模型，并根据石墨电极缺损检测模型判断石墨电极的缺损程度的方法包括：构建石墨电极缺损检测模型，即

其中，μg为严重缺陷时石墨电极的状态均值；μb为无损石墨电极的状态均值；m为无损石墨电极状态的数目；q为石墨电极缺损指数，q为大于0的整数；xc为当前被检测石墨电极的数据向量。

7.如权利要求6所述的石墨电极缺损检测算法，其特征在于，所述根据最优化模型的解构建石墨电极缺损检测模型，并根据石墨电极缺损检测模型判断石墨电极的缺损程度的方法还包括：根据石墨电极缺损检测模型获取石墨电极缺损指数，并根据石墨电极缺损指数判断石墨电极是否缺损，即石墨电极缺损指数q越小表示石墨电极缺损越小，石墨电极缺损指数q越大表示石墨电极缺损越大。

8.一种石墨电极缺损检测方法，其特征在于，包括：采集数据并发送至云服务器和/或处理器模块；

云服务器和/或处理器模块根据数据判断石墨电极的缺损程度。

9.如权利要求8所述的石墨电极缺损检测方法，其特征在于，所述云服务器和/或处理器模块适于采用如权利要求1-7任一项所述的石墨电极缺损检测算法判断石墨电极的缺损程度。

10.如权利要求8所述的石墨电极缺损检测方法，其特征在于，所述采集数据并发送至云服务器和/或处理器模块的方法包括：通过处理器模块控制敲击机构敲击石墨电极；

通过与处理器模块电性连接的声音检测模块检测敲击机构敲击石墨电极发出的声音，并发送至处理器模块；和/或通过与处理器模块电性连接的声音检测模块检测敲击机构敲击石墨电极发出的声音，并发送至处理器模块，由处理器模块转发至云服务器。