1.一种基于容差子关系粗糙集的数控机床健康状态预测方法，其特征在于，所述方法包括：S1：获取数控机床的运行数据，根据所述运行数据构建决策表；

S2：基于所述决策表构建增量不完全粗糙集属性约简模型；

S3：根据构建的决策表，将获取到的所述运行数据划分为若干等尺寸的运行数据子集；

S4：选取任意一个所述运行数据子集作为原始数据子集，计算所述原始数据子集的等价类集合；

S5：将所述等价类集合输入所述增量不完全粗糙集属性约简模型获得划分状态，计算对应划分状态的约简属性集合；

S6：对所述约简属性集合进行冗余检验，得到非冗余约简属性集合；

S7：将剩余的所述运行数据子集依次添加至原始数据子集输入所述增量不完全粗糙集属性约简模型，重复执行步骤S4‑S6，得到最终非冗余约简属性集合，再将所述非冗余约简属性集合输入至分类器模型，训练得到数控机床健康状态预测模型；

S8：使用训练好的数控机床健康状态预测模型根据数控机床的运行数据预测数控机床的健康状态；

所述获取数控机床的运行数据，根据所述运行数据构建决策表，具体包括：获取数控机床的机械部件运行状态记录数据的集合作为样本集U，获取机械部件运行状态指标的集合作为属性集C，获取数控机床的健康状态等级作为条件集D，构建决策表DT＝(U,C∪D)；

所述增量不完全粗糙集属性约简模型包括划分子关系：其中，U为机械部件运行状态记录数据的集合，C为机械部件运行状态指标的集合；B表示输入的集合参数，为机械部件运行状态指标集合的一个子集， X表示输入的需要划分的集合对象， *代表缺失值，x和y表示X中的一个元素，a表示B中的一个元素；

经过第一阶段的划分得到第一阶段划分关系和各项状态：X/TR1(B)＝(IND，value，member，|member|，cer，dec)式中，IND表示第一阶段划分结果的样本集合，value表示第一阶段划分结果在条件B下的属性值，member为第一阶段划分结果的每个样本所包含的集合X的样本集合，|member|为member对应包含的样本数；cer代表第一阶段划分结果中每个样本所包含的集合X中的样本的健康状态等级是否一致，若一致则为1，若不一致则为‑1；dec为对应包含的集合X的样本的健康状态等级值；

其中，Y和Z分别表示第一阶段的划分结果的一个集合，TR1(B)和TR2(B，Z)分别为所述增量不完全粗糙集属性约简模型的第一阶段和第二阶段的划分子关系，X/TR1(B)表示X在条件B下的第一阶段的子关系划分；“\”表示差集关系；

经过第二阶段的划分得到第二阶段划分关系和各项状态：Y/TR2(B)＝(tE，tDec，tCer)式中，tE表示第二阶段划分结果样本的集合，tCer为包含第二阶段划分结果样本的集合时，该样本集合的样本与第一阶段划分结果的对应样本的健康状态等级的一致性，若一致则为1，若不一致则为‑1；tDec为对应的第一阶段划分结果的样本的健康状态等级值dec；

Y/TR2(B)表示r在条件B下的第二阶段的子关系划分；

经过所述增量不完全粗糙集属性约简模型的两个阶段子关系的划分，最终获得关系划分结果以及各项状态，表现为：X/TR(B)＝(IND，value，member，|member|，cer，dec；tE，tDec，tCer)；

X/TR(B)表示在条件B下的两个阶段的关系划分；

所述计算所述原始数据子集的等价类集合，具体包括：将选取的原始数据子集Ui输入至所述增量不完全粗糙集属性约简模型中，计算所述原始数据子集Ui中每条数控机床运行状态记录数据在各项机械部件运行状态指标数据C＝t{c1，c2，...，cj}下的容差子关系划分得到的等价类集合数据集U，最终划分状态，表现为：t

U＝U/TR1(C)＝{e1，e2，…，en}t

式中，en为等价类集合，U 为由等价类集合构成的等价类集合数据集，U/TR1(C)表示所述机械部件运行状态记录数据在所述机械部件运行状态指标下的第一阶段的子关系划分，t经过计算后的等价类集合数据集是一个具有n条样本等价类集合e的集合，表现为U＝{e1，e2，...，en}，代表在全C下所有机械部件运行状态数据等价的n种数控机床运行状态记录集合，对于 e的值有B(e)＝B(x)，其中 其中缺失值被看作一个明确值。

2.根据权利要求1所述的一种基于容差子关系粗糙集的数控机床健康状态预测方法，其特征在于，所述将所述等价类集合输入所述增量不完全粗糙集属性约简模型获得划分状态，具体包括：将所述等价类集合数据集输入所述增量不完全粗糙集属性约简模型，对等价类集合数据集进行第一阶段和第二段的子关系的划分，其中：在第一阶段的划分中计算等价类集合在所述机械部件运行状态指标下的划分状态；

在第二阶段的划分中计算第一阶段获得的划分状态下的容差等价类集合，计算所有容差等价类集合的最终划分状态。

3.根据权利要求2所述的一种基于容差子关系粗糙集的数控机床健康状态预测方法，其特征在于，在所述将所述等价类集合输入所述增量不完全粗糙集属性约简模型之前，还包括对所述增量不完全粗糙集属性约简模型的划分子关系公式进行更新，具体更新如下：t

式中，e，e′分别表示属于U的两个不相等的等价类集合，Y和Z分别表示第一阶段的划分结果的一个集合， TR1(B，Z)和TR2(B，Z)分别为所述增量不完全粗糙集属性约简模型的第一阶段和第二阶段的划分子关系；

基于更新后的划分子关系公式，所述第一阶段的划分具体包括：t

将U中的每个所述等价类集合使用所述第一阶段的划分子关系进行划分，表现为：式中， C为机械部件运行状态指标的集合，TR1(B)表示在条件B下的第一阶段划分状态， 表示在条件B下的e的第一阶段划分状态；

得到等价类集合在机械部件运行状态指标下的新等价类集合 的划分：其中，INDe为新等价集合 中的样本集合名称，valuee为新等价集合 中的样本在各机械部件运行状态指标下的属性值，membere为新等价类集合 的每个样本中所包含的等价类集合，|member|e为对应包含的等价类集合中原数据集样本的数量；cere代表新等价类集合 中每个样本所包含的等价类集合的健康状态等级是否一致，若一致则为

1，不一致则为‑1；dece为新等价类集合 的每个样本健康状态等级值，若对应的cere为

1，则dece为其中包含的等价类集合的健康状态等级值，若对应的cere为‑1，则dece为空；

所述第二阶段的划分具体包括：

将新等价类集合 中的每个样本使用第二阶段的划分子关系进行划分，表现为：式中， TR2(B)表示在条件B下的第二阶段

划分状态， 表示在条件B下的第一阶段划分出的新等价类集合 满足容差子关系中第二阶段划分关系TR2(B)的划分状态；

得到新等价类集合 的容差等价类集合

式中，C为机械部件运行状态指标的集合，tEe为新等价类集合 的样本中满足容差等价关系中第二阶段划分关系的样本的集合；tCere为包含容差等价关系的容差等价类集合时，该容差等价类集合的样本与新等价类集合 的对应样本的健康状态等级的一致性，若一致则tCere为1，若不一致则为‑1；tDece代表：若tCere为1，则tDece与对应的新等价类集合的dece相同，若tCere为‑1，则Dece为’/’；tCere代表在全部机械部件运行状态指标C下的原始数据子集中所有机床运行状态记录数据形成的等价类集合的最终划分状态，在新等价类集合 的基础上形成考虑容差等价类集合的样本集合其中

4.根据权利要求3所述的一种基于容差子关系粗糙集的数控机床健康状态预测方法，其特征在于，所述计算对应划分状态的约简属性集合，具体包括：k

A1：初始化原始约简属性集Red、状态指标集red和当前增量计算轮次的计算数据集rU；

t k k

A2：将所述等价类集合数据集U输入所述增量不完全粗糙集属性约简模型，令rU＝rUt∪U/TR(Red)；

A3：选取任意指标ai∈C‑Red，red＝Red∪ai；

k

A4：计算rU在状态指标集red下的划分状态；

A5：根据划分状态计算所述机械部件运行状态指标ai的重要度；

A6：重复执行步骤A3‑A5，对于所有ai∈C‑Red计算其重要度，筛选重要度最高的指标aik加入所述原始约简属性集Red，根据所述计算数据集rU 对应在所述状态指标集red下的划k分所得数据集，选择其中属于不确定区域的等价类集合，并更新所述计算数据集rU，令其等于该属于不确定区域的等价类集合；

A7：重复执行步骤A3‑A6，直到到达停止条件，获得约简属性集合，其等于原始约简属性集Red。

5.根据权利要求4所述的一种基于容差子关系粗糙集的数控机床健康状态预测方法，其特征在于，所述初始化原始约简属性集Red、状态指标集red和当前轮次增量计算的计算k数据集rU，具体包括：

将状态指标集red初始化为空集；

k

当为第一轮增量计算时，将所述原始约简属性集Red及计算数据集rU初始化为空集；否k则原始约简属性集Red初始化为上一轮增量计算得到的约简属性集合；计算数据集rU初始k k‑1 k‑1化为rU＝rU ，rU 表示基于前一轮次的最终划分结果形成的计算数据集。

6.根据权利要求5所述的一种基于容差子关系粗糙集的数控机床健康状态预测方法，k其特征在于，计算所述计算数据集rU在机械状态指标集red下的划分状态，包括：对增量不完全粗糙集属性约简模型的划分子关系公式进行更新，具体更新如下：k k

式中，e，e′分别表示属于rU的两个不相等的等价类集合，E表示计算数据集rU在第一阶段划分后形成的属性等价类，Y和Z分别表示第一阶段的划分结果的一个集合，TR1(B)和TR2(B，Z)分别为所述增量不完全粗糙集属性约简模型的第一阶段和第二阶段的划分子关系；

k

对rU使用第一阶段的划分子关系进行划分，得到在机械状态指标集red下的第一阶段的划分状态：式中， 表示划分的属性等价类的集合，INDr为 中的属性等价类的集合名称，valuer为属性等价类在机械状态指标集red下的属性值，memberr为 每个属性等价类中所包含的所述等价类集合e的集合，|e|为 每个属性等价类中包含的原始数据子集中的样本数量，cerr表示 的每个属性等价类中包含的原始数据子集的样本的健康状态等级是否一致，若一致则为1，不一致则为0；decr为 的每个属性等价类中的等价类k集合e的健康状态等级值，若对应的cerr为1，则decr为其中包含的计算数据集rU的样本的健康状态等级值，若对应的cerr为‑1，则decr为空；div代表在属性等价类的样本中是否包含一个等价类集合ei，满足k

将所述计算数据集rU 使用第二阶段的划分子关系进行划分，得到在机械状态指标集red下的第二阶段的划分状态：k

式中，tEr为所述计算数据集rU的满足容差等价关系的样本的集合，tCerr为当包含满足容差等价关系的样本时，该样本与属性等价类集合中对应样本的健康状态等级一致性；

该一致性分为：

positive STC，称为pSTC：当 时，有此时将e添加至pSTCB中，其中 pSTC表示为明确属于正区域的划分；

negative STC，称为nSTC：当 时，有 此时将e添加至nSTCB中，其中 nSTC表示为明确不属于正区域的划分；

boundary STC，称为bSTC：当 时，有 此时将e添加至bSTCB中，其中 bSTC表示为不确定划分区域的划分；

式中，pSTCB、nSTCB和bSTCB分别表示在条件B下的pSTC、nSTC和bSTC；

根据划分所得一致性结果，在 的基础上形成考虑容差等价类集合的样本集合其中

7.根据权利要求6所述的一种基于容差子关系粗糙集的数控机床健康状态预测方法，其特征在于，所述停止条件为：如 等于空集，则停止；否则，继续进行属性约简；

k

其中， 表示本轮属性约简的计算数据集rU在所述机械状态指标集red下的划分结果中属于不确定性区域的数据集合。