1.一种改进SCSO‑CNN‑BiLSTM的旋转机械故障诊断方法，包括以下步骤：步骤一：输入旋转机械振动信号；

步骤二：利用VMD对旋转机械振动信号进行分解，去除残差后重构生成新振动信号；

步骤三：将新振动信号通过短时傅里叶变换STFT转换为二维时频图像；

步骤四：基于改进沙猫群优化算法优化CNN‑BiLSTM的超参数；

步骤五：将二维时频图像输入优化超参数后的CNN‑BiLSTM模型，实现旋转机械故障诊断；

步骤四中，所述改进沙猫群优化算法，包括：种群初始化阶段、搜索阶段、开发阶段、反捕食阶段：在种群初始化阶段，采用tent混沌映射初始化种群位置，其数学表达式为：其中，a为混沌系数，xi是值在(0‑1)之间的随机序列，xi+1是根据xi生成的混沌映射序列；

当|R|>1时，进入搜索阶段；当|R|≤1时，进入开发阶段，其中R为平衡因子，表达式如下：R＝RG×(2×rand‑1)

其中，rand为(0，1)之间的随机数，RG为灵敏度，表达式如下：RG＝2×(1‑t/T)

其中，t为当前迭代次数，T为最大迭代次数；

搜索阶段位置更新公式为：

Pt+1＝RG×rand×(Pbestt‑rand×Pt)Pbestt表示目前的沙猫的最佳位置，Pt表示当前沙猫的位置，Pt+1为沙猫下一个时间步的位置；

开发阶段分为追踪捕猎行为和伏击捕猎行为：当GF≤|R|≤1时，进入追踪捕猎行为；当|R|

追踪捕猎行为位置更新公式为：

Prnd＝|(rand×Pbestt‑Pt)|Pt+1＝Pbestt‑Prnd×RG×rand×cosθ伏击捕猎行为位置更新公式为：

Pt+1＝Pbestt+rand×(Pt‑Prand)+Xstep×trnd(1)(‑C×t/T)

Xstep为等待猎物的时间步长，Xstep＝(ub‑lb)×e ，其中，C＝2×GF×N，为耐性因子，ub表示参数上边界，lb表示参数下边界，Prnd和Prand表示当前沙猫移动距离和随机的一个沙猫位置，θ为圆周上的随机角度，trnd(1)为服从自由度为1的t分布的随机数；

经过搜索或开发阶段后，随机选取A个体进入反捕食阶段，其中 表示向下(1‑t/T)

取整，N为种群个数，z＝0.3×e ，在反捕食阶段位置更新公式如下：其中，Pworstt表示目前的沙猫的最差位置，ft、fg、fw分别为个体适应度值、目前最佳的适应度值、目前最差的适应度值，β是步长控制参数，服从均值为0，方差为1的正态分布的随‑50机数，k为(‑1,1)的随机数，ε是常数为10 ，避免分母为0。

2.如权利要求1所述的一种改进SCSO‑CNN‑BiLSTM的旋转机械故障诊断方法，其特征在于，步骤四中，所述改进沙猫群优化算法优化CNN‑BiLSTM的超参数，包括卷积层神经元个数、卷积核大小、BiLSTM层神经元个数。

3.如权利要求1所述的一种改进SCSO‑CNN‑BiLSTM的旋转机械故障诊断方法，其特征在于，步骤五中，所述CNN‑BiLSTM模型，包括4个卷积层、3个池化层、一个展平层、一个BiLSTM层、一个输出层，卷积层激活函数为relu函数，步幅为(2，2)，零填充；池化层大小为2×2；输出层输出为4，激活函数为softmax函数；其中，卷积层神经元个数、卷积核大小、BiLSTM层神经元个数由步骤四中得到。