1.一种基于改进斑翠鸟优化网络模型的滚动轴承振动信号预测方法，其特征在于，包括：获取目标滚动轴承的振动信号并构造为时间序列；

对所述振动信号的时间序列进行变分模态分解，获取若干分量；

将所述分量输入预构建的信号预测模型中，输出所述振动信号的预测结果，其中，所述信号预测模型基于改进的斑翠鸟优化算法优化双向门控循环单元构建，所述改进的斑翠鸟优化算法通过在斑翠鸟优化算法中引入Bloch单位球坐标量子比特编码机制、局部网格聚类选择策略、飞离捕食者策略以及改进的多差分柯西突变策略构建；

通过在斑翠鸟优化算法中引入Bloch单位球坐标量子比特编码机制、局部网格聚类选择策略、飞离捕食者策略以及改进的多差分柯西突变策略构建所述改进的斑翠鸟优化算法包括：S3.1、通过引入Bloch单位球坐标量子比特编码机制与局部网格聚类选择策略，获取初始种群，进入S3.2；

S3.2、进行斑翠鸟探索阶段与开发阶段，完成后进入S3.3，其中，所述探索阶段模拟斑翠鸟自然盘旋与栖息行为，所述开发阶段模拟斑翠鸟对猎物发起俯冲攻击行为；

S3.3、进行斑翠鸟局部逃逸阶段，完成后进入S3.4，其中，所述局部逃逸阶段模拟斑翠鸟与水獭的临时共栖行为，并融合飞离捕食者策略；

S3.4、引入改进多差分柯西突变策略，其中，所述改进多差分柯西突变策略包括多差分突变结构、线性递减突变概率、柯西因子、自适应控制因子以及边界反弹机制；

通过引入Bloch单位球坐标量子比特编码机制与局部网格聚类选择策略，获取初始种群包括：定义量子比特的状态，并映射为三维Bloch单位球坐标；

设种群内第 个个体为 ，优化问题的维数为 ，对个体 的每个维度分别生成Bloch单位球坐标；

将所述Bloch单位球坐标拆解为三个方向的坐标分量，获取 在三个方向的候选个体；

将位于Bloch单位球坐标区间内的候选个体映射至优化问题的变量范围内，并将三个方向完成映射的候选个体合并为扩展后的候选个体集合，计算集合内所有候选个体的适应度值；

在搜索空间维度中选取两个维度 、 等距划分网格单元，并结合候选个体适应度值在每个网格内筛选个体，获取每个网格的候选个体集合；

将所有网格内筛选的候选个体集合合并，并根据预设种群规模进行控制，若个体数量不足，则从未选中候选个体集合中随机补充至目标规模；若个体数量超出，则按适应度值升序保留前 个最优个体；

引入所述改进多差分柯西突变策略包括：

通过引入柯西因子、自适应控制因子以及多差分突变结构，生成新的斑翠鸟个体，若新的斑翠鸟个体超出变量边界，则采用边界反弹机制修正位置，并根据新的斑翠鸟个体适应度值判断个体更新，获取最终保留个体位置，其中，生成所述新的斑翠鸟个体的位置更新方法为：；

；

；

；

其中， 与 分别表示改进多差分柯西突变策略中第 个个体当前位置与更新后位置， 表示改进多差分柯西突变策略中当前适应度值最优个体的位置，、 、 表示改进多差分柯西突变策略中随机选取的第 、 、个个体的位置，不等于 不等于 不等于 ， 为柯西因子， 为自适应控制因子， 为[0，1]区间内均匀分布的随机数， 表示 区间随机值，和 相互独立，t为时间步， 为最大迭代数，为随迭代递减的变异概率。

2.根据权利要求1所述的基于改进斑翠鸟优化网络模型的滚动轴承振动信号预测方法，其特征在于，对所述振动信号的时间序列进行变分模态分解，获取若干分量包括：根据所述振动信号的中心频率分布确定变分模态分解的分量数，并以各模态分量估计带宽之和最小为目标构造变分约束模型；

通过引入惩罚因子和拉格朗日乘子将所述变分约束模型转化为无约束形式，利用交替方向乘子法迭代更新各模态分量的信号、中心频率及拉格朗日乘子，直至收敛，获取若干本征模态分量及一个残差分量，且所有分量之和等于所述振动信号。

3.根据权利要求1所述的基于改进斑翠鸟优化网络模型的滚动轴承振动信号预测方法，其特征在于，基于改进的斑翠鸟优化算法优化双向门控循环单元构建所述信号预测模型包括：采用改进的斑翠鸟优化算法对所述双向门控循环单元的网络隐藏层神经元数、学习率以及L2正则化系数进行联合优化，获取所述信号预测模型；

其中，所述信号预测模型用于分别对各分量进行建模预测，获取各分量的预测值后再重构为最终的预测振动信号，最终的预测振动信号为：；

式中 ， 表 示第 个本 征模 态 分量 的预 测结 果 ，下 标 ，表示残差分量的预测结果， 为振动信号的最终预测值，为本征模态分量数。

4.根据权利要求1所述的基于改进斑翠鸟优化网络模型的滚动轴承振动信号预测方法，其特征在于，所述探索阶段的斑翠鸟种群个体位置根据栖息或盘旋行为状态更新，更新方法为：；

其中， 与 分别表示探索阶段第 个个体当前位置与更新后位置，表示探索阶段随机选择的第 个个体位置， 不等于 ，为种群规模，为服从正态分布的随机扰动向量，参数用于控制种群栖息或盘旋行为， 表示逐元素相乘，t为时间步。

5.根据权利要求1所述的基于改进斑翠鸟优化网络模型的滚动轴承振动信号预测方法，其特征在于，所述开发阶段的斑翠鸟种群个体位置根据狩猎能力更新，更新方法为：；

其中， 与 分别表示开发阶段第 个个体当前位置与更新后位置，表示开发阶段当前适应度值最优个体的位置， 表示狩猎能力，为位置更新变量，为衰减因子，为服从正态分布的随机扰动向量， 表示逐元素相乘，为种群规模，t为时间步。

6.根据权利要求1所述的基于改进斑翠鸟优化网络模型的滚动轴承振动信号预测方法，其特征在于，所述局部逃逸阶段中临时共栖行为的斑翠鸟种群个体位置根据捕食效率更新，更新方法为：；

其中， 与 分别表示临时共栖行为中第 个个体当前位置与更新后位置， 与 分别表示临时共栖行为中随机选取的第 、 个个体位置， 不等于 不等于 ， 表示 区间随机值，为服从正态分布的随机扰动向量，为衰减因子， 表示逐元素相乘， 为临时共栖行为中斑翠鸟的捕食效率， 为取绝对值运算，t为时间步。

7.根据权利要求1所述的基于改进斑翠鸟优化网络模型的滚动轴承振动信号预测方法，其特征在于，所述局部逃逸阶段中融合飞离捕食者策略的斑翠鸟种群个体位置更新方法为：；

其中， 与 分别表示飞离捕食者策略中第 个个体当前位置与更新后位置， 表示飞离捕食者策略中当前适应度值最优个体的位置，为服从正态分布的随机扰动向量， 表示逐元素相乘，表示随机选取1或2， 表示 区间随机值，为临时共栖行为中斑翠鸟的捕食效率，t为时间步。