1.一种步进电机驱动的控制方法，其特征在于，包括以下步骤：

步骤S1：对步进电机进行运行状态与负载情况实时监测，得到电机运行状态数据与电机负载情况数据；基于电机运行状态数据与电机负载情况数据对步进电机进行控制模式切换，得到电机控制模式参数；其中，步骤S1具体包括：步骤S11：对步进电机进行多维度传感器阵列监测，得到电机运行状态数据；

步骤S12：对电机运行状态数据进行电流和电压数据提取，得到电机驱动电流数据与电机驱动电压数据；

步骤S13：按照预设的时间窗口对电机驱动电流数据与电机驱动电压数据进行分割，得到瞬时电流片段数据与瞬时电压片段数据；

步骤S14：对瞬时电流片段数据与瞬时电压片段数据进行希尔伯特‑黄变换，得到电机运行特征谱数据；

步骤S15：基于电机运行特征谱数据进行逆向建模，得到电机负载情况数据；

步骤S16：基于电机运行特征谱数据与电机负载情况数据对步进电机进行控制模式切换，得到电机控制模式参数；其中，步骤S16具体包括：步骤S161：对电机负载情况数据进行阈值分段，得到电机负载分段数据；

步骤S162：获取电机任务指令数据；

步骤S163：对电机任务指令数据进行任务类型识别，得到电机任务类型数据；

步骤S164：对电机运行特征谱数据进行转速波动分析，得到电机转速稳定性数据；

步骤S165：若电机任务类型数据显示为定点工作型任务，则对电机负载分段数据进行负载极值提取，得到电机负载峰值数据；

步骤S166：基于预设的多维参数决策矩阵将电机转速稳定性数据与电机负载峰值数据进行参数匹配，得到电机控制参数，其中，电机控制参数包括电流控制参数、速度配置参数与加速度限制参数，并利用开环控制标识标记电机控制参数，得到电机控制模式参数，其中，电机控制模式参数包括控制模式标识参数、电流控制参数、速度配置参数与加速度限制参数；

步骤S167：若电机任务类型数据显示为移动型任务，则对电机任务指令数据进行最大位移识别，得到电机最大位移轨迹数据；

步骤S168：基于预设的多维参数决策矩阵将电机转速稳定性数据与电机最大位移轨迹数据进行参数匹配，得到电机控制参数，其中，电机控制参数包括电流控制参数、速度配置参数与加速度限制参数，并利用闭环控制标识标记电机控制参数，得到电机控制模式参数，其中，电机控制模式参数包括控制模式标识参数、电流控制参数、速度配置参数与加速度限制参数；

步骤S2：基于电机控制模式参数对电机运行状态数据进行动态特征提取，得到电机动态特征向量；基于电机动态特征向量进行深度学习建模，得到电机振动预测模型；根据电机振动预测模型对步进电机进行实时补偿控制，得到电机振动抑制控制策略与补偿后电机控制信号；

步骤S3：根据电机控制模式参数与补偿后电机控制信号对步进电机进行控制作业，并进行同步数据采集，得到电机实时位置反馈数据与电机速度反馈数据；基于电机实时位置反馈数据与电机速度反馈数据对步进电机进行位置误差计算，得到电机实时位置误差数据；

步骤S4：对电机运行状态数据进行小波变换分析，得到电机瞬时频率特征数据；根据电机实时位置误差数据与电机瞬时频率特征数据进行多尺度共振解调，得到最优微步细分比例数据；基于最优微步细分比例数据对步进电机进行调制，得到优化后电机驱动信号；其中，步骤S4具体包括：步骤S41：对电机运行状态数据进行连续小波变换，得到电机运行状态时频分布图；

步骤S42：对电机运行状态时频分布图进行自适应脊线提取，得到电机瞬时频率特征数据；

步骤S43：将电机瞬时频率特征数据作为载波信号，电机实时位置误差数据作为调制信号输入至预设的多尺度共振解调算法进行多维信号解调，得到运行状态多尺度解调信号集；

步骤S44：对运行状态多尺度解调信号集进行经验模态分解，得到运行状态本征模态函数集，其中，运行状态本征模态函数集包含若干个运行状态本征模态函数；

步骤S45：根据预设的互信息熵评估准则对运行状态本征模态函数集进行最优子集选择，得到优化运行状态本征模态函数子集；

步骤S46：基于优化运行状态本征模态函数子集进行微步细分比例分析，得到最优微步细分比例数据；其中，步骤S46具体包括：步骤S461：对优化运行状态本征模态函数子集进行模糊推理分析，得到电机微步细分比例范围数据；

步骤S462：对电机微步细分比例范围数据进行全局搜索，得到最优微步细分比例候选集，其中，最优微步细分比例候选集包含若干个候选最优微步细分比例数据；

步骤S463：利用预设的电机性能评估函数对最优微步细分比例候选集进行定量评估和排序，得到优先级排序结果数据，将优先级排序结果数据中的最高优先级对应的候选最优微步细分比例数据作为最优微步细分比例数据；

步骤S47：基于最优微步细分比例数据对步进电机进行调制，得到优化后电机驱动信号；

步骤S5：根据电机振动抑制控制策略与优化后电机驱动信号对步进电机进行控制作业。

2.根据权利要求1所述的步进电机驱动的控制方法，其特征在于，步骤S2包括以下步骤：步骤S21：对电机运行状态数据进行小波包分解，得到运行状态时频特征数据；

步骤S22：若电机控制模式参数显示步进电机的控制模式为开环控制，则对运行状态时频特征数据进行阈值滤波，得到开环模式运行特征数据；

步骤S23：若电机控制模式参数显示步进电机的控制模式为闭环控制，则对运行状态时频特征数据进行卡尔曼滤波，得到闭环模式运行特征数据；

步骤S24：对开环模式运行特征数据或闭环模式运行特征数据进行主成分分析，得到运行状态降维特征数据；

步骤S25：对运行状态降维特征数据进行非线性时间序列分析，得到电机动态特征向量；

步骤S26：获取电机历史振动数据集，并基于电机历史振动数据集进行自编码器预训练，得到初始电机振动学习模型；

步骤S27：利用电机动态特征向量对初始电机振动学习模型进行迁移学习与微调，得到电机振动预测模型；

步骤S28：根据电机动态特征向量与电机振动预测模型对步进电机进行实时补偿控制，得到电机振动抑制控制策略与补偿后电机控制信号。

3.根据权利要求2所述的步进电机驱动的控制方法，其特征在于，步骤S28包括以下步骤：步骤S281：基于电机动态特征向量利用电机振动预测模型进行时域振动预测，得到电机预测振动时域数据；

步骤S282：对电机预测振动时域数据进行快速傅里叶变换，得到电机预测振动频谱数据；

步骤S283：对电机预测振动频谱数据进行谐振峰识别，得到电机振动谐振峰特征数据，并根据电机振动谐振峰特征数据进行自适应滤波器设计，得到自适应滤波器参数集；

步骤S284：将电机预测振动频谱数据作为约束条件，以最小化预测振动幅度为目标函数进行MPC优化器构建，得到初始MPC优化模型；根据自适应滤波器参数集对初始MPC优化模型进行参数调整，得到优化后MPC目标函数；

步骤S285：利用MPC优化目标函数对电机预测振动频谱数据进行最优控制序列计算，得到电机振动抑制控制策略；

步骤S286：对步进电机进行实时控制信号采集，得到电机原始控制信号；

步骤S287：根据电机振动抑制控制策略对电机原始控制信号进行信号补偿，得到补偿后电机控制信号。

4.根据权利要求1所述的步进电机驱动的控制方法，其特征在于，步骤S3包括以下步骤：步骤S31：对补偿后电机控制信号进行微步驱动信号转换，得到电机微步驱动脉冲序列；

步骤S32：根据电机控制模式参数与电机微步驱动脉冲序列对步进电机进行控制作业，并进行同步数据采集，得到电机实时位置反馈数据与电机速度反馈数据；

步骤S33：对步进电机进行运行时间采集，得到电机实际运行时间数据；

步骤S34：获取电机目标位置数据与电机目标速度数据，并根据电机实际运行时间数据、电机目标位置数据与电机目标速度数据对步进电机进行理论位置推算，得到电机理论位置数据；

步骤S35：对电机实时位置反馈数据与电机理论位置数据进行位置误差计算，得到电机实时位置误差数据。

5.根据权利要求1所述的步进电机驱动的控制方法，其特征在于，步骤S5包括以下步骤：步骤S51：对电机振动抑制控制策略与优化后电机驱动信号进行动态映射与同步，得到电机控制指令矩阵；

步骤S52：对电机控制指令矩阵进行智能编译与指令生成，得到电机动态控制指令序列，并根据电机动态控制指令序列对步进电机进行控制作业。

6.一种步进电机驱动的控制系统，其特征在于，用于执行如权利要求1所述的步进电机驱动的控制方法，该步进电机驱动的控制系统包括：控制模式切换模块，用于对步进电机进行运行状态与负载情况实时监测，得到电机运行状态数据与电机负载情况数据；基于电机运行状态数据与电机负载情况数据对步进电机进行控制模式切换，得到电机控制模式参数；

补偿信号计算模块，用于基于电机控制模式参数对电机运行状态数据进行动态特征提取，得到电机动态特征向量；基于电机动态特征向量进行深度学习建模，得到电机振动预测模型；根据电机振动预测模型对步进电机进行实时补偿控制，得到电机振动抑制控制策略与补偿后电机控制信号；

位置误差计算模块，用于根据电机控制模式参数与补偿后电机控制信号对步进电机进行控制作业，并进行同步数据采集，得到电机实时位置反馈数据与电机速度反馈数据；基于电机实时位置反馈数据与电机速度反馈数据对步进电机进行位置误差计算，得到电机实时位置误差数据；

驱动信号优化模块，用于对电机运行状态数据进行小波变换分析，得到电机瞬时频率特征数据；根据电机实时位置误差数据与电机瞬时频率特征数据进行多尺度共振解调，得到最优微步细分比例数据；基于最优微步细分比例数据对步进电机进行调制，得到优化后电机驱动信号；

控制作业模块，用于根据电机振动抑制控制策略与优化后电机驱动信号对步进电机进行控制作业。