1.一种高精密主轴性能测试方法，其特征在于，包括：

采集不同工况条件下的高精密主轴性能相关的参数数据，包括热膨胀数据、振动与动平衡数据、刚性与动态负载数据和旋转精度与状态数据；

结合时间序列特征对所述热膨胀数据进行分析处理，得到第一测试指标；采用动平衡修正算法对所述振动与动平衡数据进行分析处理，得到第二测试指标；对所述刚性与动态负载数据进行建模处理捕捉全局依赖关系，得到第三测试指标；采用多层神经网络模型对所述旋转精度和状态数据进行分析处理，得到第四测试指标；

将所述第一测试指标、所述第二测试指标、所述第三测试指标和所述第四测试指标经过非线性融合分析，得到综合测试指标；

其中，S表示所述综合测试指标，f(·)表示非线性转换函数，Y1、Y2、Y3和Y4分别表示所述第一测试指标、所述第二测试指标、所述第三测试指标和所述第四测试指标， 、 γ和θ分别表示Y1、Y2、Y3和Y4的非线性函数，ξ表示交互影响项；ω1、ω2、ω3、ω4和ω5表示权重系数，满足

2.根据权利要求1所述的一种高精密主轴性能测试方法，其特征在于，所述第一测试指标的获取过程包括：对所述热膨胀数据进行预处理形成时间序列特征后，对每个时间步的序列特征，计算其与相邻时间步序列特征之间的依赖特征，构成序列依赖特征；

将所述序列依赖特征输入至全连接层计算热膨胀预测值，反归一化后得到第一测试指标。

3.根据权利要求1所述的一种高精密主轴性能测试方法，其特征在于，所述第一测试指标的计算公式为：其中，Y1表示第一测试指标，T表示时间步数量， 表示时间步t的热膨胀预测值，Ymax和Ymin分别表示热膨胀预测最大值和最小值，Wy表示全连接层的权重矩阵，dt表示时间步t的依赖特征，by表示偏置项；所述序列特征依赖的获取公式为：dt＝Wa·(x't‑x't‑1)+Wb·(x't‑x't+1)+b；

其中，D表示序列依赖特征，x't表示时间步t的序列特征，Wa和Wb表示时间步差异计算权重矩阵，b表示偏置。

4.根据权利要求1所述的一种高精密主轴性能测试方法，其特征在于，所述第二测试指标的获取过程包括：将所述振动与动平衡数据进行预处理后输入至第一卷积层中获取局部特征，再经过第一池化层中进行降维得到初步特征图；将所述初步特征图输入至第二卷积层中提取复杂特征；再经过第二池化层中进行降维得到复杂特征图；

根据所述复杂特征图，结合当前主轴转速，使用动平衡算法计算出修正量；再将所述修正量与所述复杂特征图结合生成第二测试指标。

5.根据权利要求1所述的一种高精密主轴性能测试方法，其特征在于，所述第二测试指标的获取公式为：其中，Y2表示所述第二测试指标，M表示卷积层通道数，Ai表示第i个复杂特征子图中提取的振动幅度，k表示动平衡修正的权重系数，Δm表示动平衡修正量，Funbalance表示不平衡力， 表示角速度，r表示修正配重的半径；复杂特征图的获取公式为：其中，P2表示复杂特征图，F2表示复杂特征，W2表示第二卷积层的权重矩阵，b2表示第二卷积层的偏置；P1表示初步特征图，F1表示局部特征，X表示输入数据，W1表示第一卷积层的权重矩阵，b1表示第一卷积层的偏置；MaxPool(·)表示最大池化操作，ReLU(·)表示激活函数，Conv(·)表示卷积操作。

6.根据权利要求1所述的一种高精密主轴性能测试方法，其特征在于，所述第三测试指标的获取过程包括：将所述刚性与动态负载数据归一化后按时间序列组织，形成序列数据结构后映射生成对应的序列特征向量；

通过自注意力机制计算每个时间步数据与其他时间步数据的相关性，提取时间依赖特征；采用多头注意力机制从所述时间依赖特征中捕捉多层次特征；

通过前馈神经网络对所述多层次特征提取高级特征，生成所述第三测试指标。

7.根据权利要求1所述的一种高精密主轴性能测试方法，其特征在于，所述第三测试指标的获取公式为：其中，Y3表示所述第三测试指标，U表示时间步的数量，V表示序列数据中的特征数量，αp表示外层权重，βpq表示内层权重，fint(·)和gext(·)分别表示内外层的非线性激活函数，γpq和δpq分别表示缩放参数和偏移参数；Fh表示高级特征，F(·)表示前馈神经网络计算函*数，ε为交互项；Dependt‑series表示多层次特征，其获取公式为：其中， 表示时间步ti和tj之间的特征向量时间序列关系，G(·)表示多头注意力机制计算函数。

8.根据权利要求1所述的一种高精密主轴性能测试方法，其特征在于，所述第四测试指标的获取过程包括：将所述旋转精度与状态数据预处理为数据特征向量后输入至第一隐层，通过第一全连接层进行线性变换，应用ReLU处理后提取初步特征向量；

将所述初步特征向量输入至第二隐层，通过第二全连接层进行进一步线性变换，应用ReLU处理后提取高级特征向量；

对所述高级特征向量进行线性组合，获得第四测试指标。

9.根据权利要求1所述的一种高精密主轴性能测试方法，其特征在于，所述第四测试指标的获取公式为：其中，Y4表示所述第四测试指标，d表示数据特征向量中的特征数量， 表示第m个特征的高级特征向量，ωm表示特征对应的权重参数，fm(·)表示第m个特征的激活函数， 表示高级特征向量之间的交互权重系数，b3表示偏置项。

10.一种高精密主轴性能测试系统，其特征在于，包括：

性能数据采集单元：用于设计不同工况条件，采集不同工况条件下的高精密主轴性能相关的参数数据；所述参数数据包括热膨胀数据、振动与动平衡数据、刚性与动态负载数据和旋转精度与状态数据；

热膨胀分析单元：用于对所述热膨胀数据采用长短期记忆网络进行分析处理，得到第一测试指标；

振动与动平衡分析单元：用于对所述振动与动平衡数据采用卷积神经网络结合动平衡算法进行分析处理，得到第二测试指标；

刚性与动态负载分析单元：用于对所述刚性与动态负载数据采用Transformer模型进行建模处理，得到第三测试指标；

旋转精度与状态分析单元：用于对所述旋转精度和状态数据采用多层神经网络模型进行分析处理，得到第四测试指标；

非线性融合分析单元：用于将所述第一测试指标、所述第二测试指标、所述第三测试指标和所述第四测试指标进行非线性融合分析，得到综合测试指标。