1.一种滚刀磨损在位识别模型建模方法，其特征在于，包括如下步骤：S101、制作实验滚刀，所述实验滚刀包括多个磨损程度不同的磨损区域；

S102、搭建数据采集平台，所述数据采集平台用于采集滚齿加工过程中滚刀主轴电机的三相电流信号、刀架与工作台在X方向上的中心距变化值及加工前的齿坯余量；

S103、基于热误差补偿程序及窜刀程序对多个齿坯进行滚齿加工，并利用数据采集平台采集数据，采集的数据中包括了每个磨损区域的所有加工周期内的数据；

S104、将采集的数据分为多个样本并记录每个样本对应的滚刀磨状态，每个样本对应一个齿坯滚齿加工的全周期；

S105、提取每个样本的滚刀主轴电机的三相电流信号的特征，得到高维特征数据集；

S106、基于各种特征的基尼系数，去除高维特征数据集中敏感系数低于预设系数阈值的特征，并且加入热变形值集与齿坯余量不均匀性表征值得到纯化特征数据集；

S107、采用多层限制玻尔兹曼机建立滚刀磨损在位识别模型，所述滚刀磨损在位识别模型包括深度自编码器及BP神经网络，利用纯化特征数据集对所述深度自编码器进行参数优化，所述深度自编码器的输入为纯化特征数据集，输出每种磨损区域对应的表征信号特征基作为BP神经网络的输入，所述BP神经网络的输出为滚刀磨损程度信息；其中，深度自编码器的参数优化过程包括：

S701、将纯化特征数据集中的特征线型归一化；

S702、设置深度自编码器的批量大小为B，B为样本数的整数倍，对称性权值，Wij表示第i个样本的第j种特征的对称性权值，输入层和输出层都被随机地赋值为(0,1)之间的值；

S703、将特征线型归一化后的纯化特征数据集作为输入部输入深度自编码器，计算对称性权值的修改量，并基于修改量更新对称性权值，重复执行步骤S703直到重建误差收敛；

S704、对各层限制玻尔兹曼机进行参数优化；基于本层限制玻尔兹曼机的学习率a和动量率b确定本层限制玻尔兹曼机的批量大小和隐含层神经元数的搜索范围与寻优步长，对本层对应的重建误差进行格点搜索仿真，第一层限制玻尔兹曼机的学习率和动量率的初始值在(0,1)范围内随机选取；格点搜索不同精度下的批量大小和隐含层神经元数组合的拟合效果，经过格点寻优得到的全局最优结果确定批量大小c和隐层神经元数d；基于批量大小c和隐层神经元数d确定学习率和动量率的搜索范围和寻优步长，格点搜索的批量大小和隐含层神经元数组合的拟合效果，经过格点寻优得到的全局最优结果确定新的学习率a和动量率b。

2.如权利要求1所述的滚刀磨损在位识别模型建模方法，其特征在于，所述实验滚刀上沿转动轴方向依次为无磨损区域、轻度磨损区域、中度磨损区域及重度磨损区域，各磨损区域的宽度与磨损程度负相关。

3.如权利要求1所述的滚刀磨损在位识别模型建模方法，其特征在于，数据采集平台包括激光轮廓仪、热误差检测系统及三个霍尔电流传感器，滚刀主轴电机的U、V、W三相电流分别穿过三个霍尔电流传感器，激光轮廓仪安装在伺服电机上，伺服电机能够带动激光轮廓仪对滚齿加工前的每个齿坯的余量进行测量，热误差检测系统用于测量刀架与工作台在X方向上的中心距变化值。

4.如权利要求2所述的滚刀磨损在位识别模型建模方法，其特征在于，步骤S103中，窜刀程序包括：在重度磨损区域加工一个齿坯，窜刀到中度磨损区域加工一个齿坯，再窜刀到轻度磨损区域加工一个齿坯，在无磨损区域进行往返切齿；

热误差补偿程序包括：实时检测架与工作台在X方向上的中心距变化值，满足预设条件时，暂停窜刀程序，进行补偿操作后继续窜刀程序。

5.如权利要求1所述的滚刀磨损在位识别模型建模方法，其特征在于，步骤S106中，任意一种包括D个样本的特征的基尼系数Gini(D)按下式计算：式中，K为滚刀磨状态的类别总数，k为第k类滚刀磨状态，Ck为包括D个样本的特征中属于第k类滚刀磨状态的样本数。

6.如权利要求1所述的滚刀磨损在位识别模型建模方法，其特征在于，BP神经网络结构采用融合了禁忌表和惩罚函数的禁忌粒子群优化算法重建适应度函数；基于禁忌粒子群优化算法和遗传算法，发展出一种混合优化算法来提高BP神经网络结构的全局寻优能力和精度寻优能力。

7.如权利要求1所述的滚刀磨损在位识别模型建模方法，其特征在于，还包括：S108、以识别精度和数据训练时间为评价标准，分别调整用于限制玻尔兹曼机隐含层层数，对滚刀磨损在位识别模型的数学结构进行二次优化，实现数据训练时间的最少化。

8.一种滚刀磨损在位识别方法，其特征在于，包括如下步骤：采用待测滚刀加工齿坯并采集如权利要求1至7任一项所述的纯化特征数据集对应的数据；

基于采集的数据生成待测滚刀对应的纯化特征数据集；

将待测滚刀的纯化数据集输入如权利要求1至7任一项所述的滚刀磨损在位识别模型，得到待测滚刀的磨损程度信息。