1.一种基于改进蚁狮算法和支持向量机的轴承故障诊断方法，包括以下步骤：步骤一：开展轴承典型故障振动测试试验，采集典型故障状态下的振动加速度信号；

步骤二：采用变分模态分解方法对采集的信号进行提取，得到典型故障类型的数据样本；

步骤三：基于逃脱机制改进的蚁狮优化算法和支持向量机建立轴承故障诊断模型；将数据样本输入到轴承故障诊断模型中，优化轴承故障诊断模型；

步骤四：根据优化后的轴承故障诊断模型进行轴承故障诊断。

2.根据权利要求1所述的基于改进蚁狮算法和支持向量机的轴承故障诊断方法，其特征在于，所述步骤一中，振动加速度信号包括正常轴承、内圈故障轴承、外圈故障轴承及滚珠故障轴承四种典型故障状态下的振动加速度信号。

3.根据权利要求2所述的基于改进蚁狮算法和支持向量机的轴承故障诊断方法，其特征在于：所述步骤二具体步骤为：设Xi＝{xi，1,xi，2,xi，3,…,xi,l},i＝1,2,3,…,M为第i组传感器采集到的轴承故障信号离散序列，其中xi,l为第i个传感器采集到的第l个值，长度为l，M为传感器组数；则首先对其进行VMD分解，得到k个模态函数{Ui，1,Ui，2,Ui，3,…,Ui,k}，其中Ui,k表示第i个传感器采集的信号分解得到的第k个VMD分量，且有： 其中 表示第i个传感器采集的信号分解得到的第k个VMD分量的第l个值，其能量hi,k为：则由k个模态分量可得初始特征向量Hi：

Hi＝{hi,1,hi,2,hi,3,…,hi,k}                           (30)引入高斯核函数：

其中u为输入向量，v为高斯核函数中心，σ为函数的宽度参数；

令v＝{e}1×k,0

4.根据权利要求3所述的基于改进蚁狮算法和支持向量机的轴承故障诊断方法，其特征在于：所述步骤三的具体步骤为：(1-1)参数设置：设S＝{S1,S2,S3…,Sn}为提取的轴承故障样本集，其中n为故障种类数，从每种故障样本集中随机选取一定相同数量的样本组成训练样本集S1，其余样本组成测试样本集S2；

设定蚂蚁的种群数量为Nant，蚁狮的种群数量为Nantlion；根据寻优空间设定初始求解域的上边界 和下边界 其中 为待优化参数σ的初始区间的最小值和最大值；其中 为待优化参数C的初始区间的最小值和最大值；蚂蚁逃脱的概率Pesc，逃脱的最大蚂蚁数量Nant_esc，收敛阈值ε；

(1-2)初始化蚂蚁及蚁狮种群：根据设定的蚂蚁及蚁狮种群数量及待优化参数{σ,C}，随机生成蚂蚁位置矩阵 以及蚁狮位置矩阵(1-3)位置评价：根据当前第r次迭代后蚂蚁种群的位置矩阵 以及蚁狮种群位置矩阵 以S1为样本训练SVM模型，再以S2为测试样本进行预测，以预测结果得到蚂蚁的适应度向量 和蚁狮的适应度向量 其位置评价函数f(·)具体定义：(1-4)自然精英：根据公式(7)选取位置评价最高的蚁狮作为自然精英蚁狮(1-5)轮盘赌精英：选取轮盘赌精英蚁狮

(1-6)蚂蚁游走：蚂蚁种群围绕自然精英蚁狮 和轮盘赌精英蚁狮 进行随机游走；

(1-7)随机逃脱：部分蚂蚁被随机分配到所搜空间的任意位置；

(1-8)重建陷阱：蚁狮完成一轮捕食后，更新自然精英蚁狮的位置，若游走的蚂蚁种群中出现适应度值高于精英蚁狮，则该个体作为新的精英，即该蚂蚁将作为蚁狮在下一代修筑陷阱：自然精英蚁狮在新的位置继续修筑陷阱，准备一下轮的捕食；

(1-9)停止迭代：计算当前蚂蚁种群中最小适应度与上一代蚂蚁种群中的最小适应度的差是否满足预设条件，若不满足，回到步骤(1-5)继续执行；若满足，停止迭代，并返回最* *后一代的自然精英蚁狮 作为优化解{σ,C}。

5.根据权利要求4所述的基于改进蚁狮算法和支持向量机的轴承故障诊断方法，其特征在于，所述步骤(1-2)具体步骤为：设定蚂蚁的种群数量为Nant，蚁狮的种群数量为Nantlion，最大迭代次数为Iter；根据寻优空间设定初始求解域的上边界 和下边界 其中 为待优化参数σ的初始区间的最小值和最大值；其中 为待优化参数C的初始区间的最小值和最大值； 分别为第r次迭代后蚂蚁和蚁狮种群的位置矩阵：其中， 表示第r次迭代后第Nant只蚂蚁个体的位置向量， 分别为其第1维和第2维的位置值； 表示第r次迭代后第Nantlion只蚁狮个体的位置向量，分别为其第1维和第2维的坐标值；r表示当前迭代次数，r＝0时，即初始蚂蚁和蚁狮种群的位置由下面的公式赋值：

其中，rand()为0～1的随机函数。

6.根据权利要求5所述的基于改进蚁狮算法和支持向量机的轴承故障诊断方法，其特征在于，所述步骤(1-5)具体步骤为：根据适应值，通过轮盘赌操作从上一代的蚁狮种群中选择一个个体，令第r次迭代后蚁狮适应度的权值Wr为：其中，sort(·)为排序函数(正序排列)，定义累计概率Pr向量：r

令随机序列Temp：

Tempr＝Pr-Pr×rand()                       (13)若Tempr中第一个大于0的分量对应的下标为d，则对应的第d个蚁狮个体 作为被选中的个体将和精英一起作为蚁狮修筑“陷阱”，记作

7.根据权利要求6所述的基于改进蚁狮算法和支持向量机的轴承故障诊断方法，其特征在于，所述步骤(1-6)具体步骤为：第r次迭代后蚂蚁随机游走的步长向量Xr可由下列公式计算获得：其中，q(·)为0或者1的随机函数，并定义为：

为了保证蚂蚁在搜索空间内随机游走，需要对其游走位置进行归一化处理，则归一化后的步长向量 按如下公式(10)计算：蚂蚁爬入陷阱的过程，看作蚂蚁围绕修筑“陷阱”的蚁狮游走，即蚂蚁游走的区域边界受精英蚁狮位置的影响，有：一旦蚂蚁进入陷阱，蚁狮立即向陷阱外刨出沙土使蚂蚁掉进陷阱底部；该过程看作蚂蚁绕蚁狮游走的半径在不断缩小，有：其中，G为当前迭代次数与设定的最大迭代次数之比，w为半径缩小尺度指数，且满足：

8.根据权利要求7所述的基于改进蚁狮算法和支持向量机的轴承故障诊断方法，其特征在于，所述步骤(1-7)具体步骤为：令Pesc为蚂蚁逃脱的概率，Nesc为设定的逃脱的最大蚂蚁数量，有Nesc≤Nant，当蚂蚁种群完成一轮绕精英蚁狮和轮盘赌选中蚁狮游走后，对蚂蚁种群的适应度 进行排序，再选取适应度低的前Nesc个蚂蚁，并将其随机分配到搜索领域范围内的任意位置，记作 即有：

9.根据权利要求8所述的基于改进蚁狮算法和支持向量机的轴承故障诊断方法，其特征在于，所述步骤(1-9)中，考虑到随着迭代次数的增加，蚂蚁种群绕精英蚁狮和轮盘赌选中蚁狮游走的范围越来越小，蚂蚁个体间的适应度 的差异也将越来越小；令收敛阈值ε为任意小的数，则当下列条件成立时，迭代终止：此时，返回对应的 作为最优解。