1.一种基于计算机硬盘状态指标进行故障判断的方法，其特征在于，具体步骤包括：步骤S1：设定硬盘的采集周期为集合{1,2，…，n}，其中i∈{1,2，…，n}表示采集周期内第i次数据采集的索引，n表示当前第n次数据采集的索引，采集硬盘的物理状态指标和运行状态指标，其中，物理状态指标包括磁盘旋转不稳定性数据和磁头加载次数，运行状态指标包括数据传输速率和读写错误率，并对采集到的数据进行归一化和去噪预处理，得到多维特征数据；多维特征数据的获取，包括：磁盘旋转不稳定性数据包括磁盘旋转速度波动率和磁盘振动幅度，并对磁盘旋转速度波动率和磁盘振动幅度分别标记为CVb、CZf；

结合磁盘旋转速度波动率和磁盘振动幅度，进行分析处理，构建第i次数据采集的磁盘旋转不稳定性值，计算公式如下：；

参数解释：是第i次数据采集的磁盘旋转不稳定性值，是第i次数据采集的磁盘旋转速度波动率，是第i次数据采集的磁盘振动幅度，均是为正数的权重系数，且；

在设定的采集周期内定时获取物理状态指标数据和运行状态指标数据，并将采集的数据记录到数据库中，形成数据集；

其中，分别表示第i次数据采集的磁盘旋转不稳定性值、磁头加载次数、数据传输速率和读写错误率；

对于归一化处理，采用min-max归一化方法，将每个指标值x归一化为x'；

归一化后的数据范围限定在（0,1），其中，；

对于去噪处理，使用移动平均法去除数据中的随机噪声，以对每个指标的归一化数据进行平滑处理：对于多维特征数据，经过归一化和去噪处理后，最终获得的多维特征数据集表示为，其中与分别为数据预处理后的物理状态指标和运行状态指标，k-1表示经过去噪处理后的采集次数起始点；

步骤S2：接收n次采集的多维特征数据，使用自编码器对多维特征进行降维，提取降维后的关键特征向量；

步骤S3：接收降维后的关键特征向量，利用支持向量机对关键特征向量进行故障概率计算，实现硬盘故障的二分类；

设定硬盘故障的初始故障概率阈值，并根据初始故障概率阈值，设置硬盘的故障预警触发条件；

步骤S4：获取磁盘旋转不稳定性数据、数据传输速率和读写错误率，并对磁盘旋转不稳定性数据与数据传输速率进行关联分析，得到第一关联评价系数，第一关联评价系数用于评价磁盘旋转不稳定性数据与数据传输速率之间的关联影响程度；

对磁盘旋转不稳定性数据与读写错误率进行关联分析，得到第二关联评价系数，第二关联评价系数用于评价磁盘旋转不稳定性数据与读写错误率之间的关联影响程度；

步骤S5：计算物理状态指标在当前采集周期的变化趋势数据，并针对该变化趋势数据进行分析处理，生成第一趋势评价系数，第一趋势评价系数用于评价物理状态指标在当前采集周期内的变化趋势；

计算运行状态指标在当前采集周期的变化趋势数据，并针对该变化趋势数据进行分析处理，生成第二趋势评价系数，第二趋势评价系数用于评价运行状态指标在当前采集周期内的变化趋势；

步骤S6：结合第一关联评价系数、第二关联评价系数、第一趋势评价系数和第二趋势评价系数，构建阈值微调模型，阈值微调模型用于对初始故障概率阈值提供微调策略；

步骤S7：获取经过微调策略调整后的故障概率阈值，并根据调整后的故障概率阈值，对故障预警触发条件进行调整，进一步计算硬盘在当前第n次数据采集的故障概率，若该故障概率超过调整后的故障概率阈值时，则触发故障预警。

2.根据权利要求1所述的一种基于计算机硬盘状态指标进行故障判断的方法，其特征在于：接收n次采集的多维特征数据，使用自编码器对多维特征进行降维，提取降维后的关键特征向量，包括：选择自编码器作为降维工具；自编码器由编码器和解码器两部分组成，其中编码器将高维输入数据压缩为低维特征向量，解码器再将恢复到高维空间；

对于每一个数据采集点i，输入的多维特征数据表示为：；

编码器网络的输出为低维特征向量：

；

其中，是编码器的权重矩阵，是偏置向量，是激活函数，表示编码器的所有参数集合；

通过最小化重构误差来训练自编码器，使得解码器输出的重构数据趋近原始输入数据；

在自编码器训练完成后，直接使用输出的低维特征向量作为降维后的关键特征向量；

降维后的特征向量表示为：

；

其中，m是降维后特征向量的维度。

3.根据权利要求2所述的一种基于计算机硬盘状态指标进行故障判断的方法，其特征在于：第一关联评价系数以及第二关联评价系数构建内容如下：计算磁盘旋转不稳定性数据与数据传输速率之间的第一皮尔逊相关系数，计算公式为：；

其中，为磁盘旋转不稳定性和数据传输速率之间的第一皮尔逊相关系数；

和分别为和在集合{1,2，…，n}内的均值；

计算磁盘旋转不稳定性数据与读写错误率之间的第二皮尔逊相关系数，计算公式为：；

其中，为磁盘旋转不稳定性和读写错误率之间的第二皮尔逊相关系数；

和分别为和在集合{1,2，…，n}内的均值。

4.根据权利要求3所述的一种基于计算机硬盘状态指标进行故障判断的方法，其特征在于：构建阈值微调模型，阈值微调模型用于对初始故障概率阈值提供微调策略，具体包括：定义阈值微调模型的计算公式如下：

；

其中，WT1为结合第一关联评价系数和第二关联评价系数的第一综合指数，整体反映计算机硬盘状态的关联程度；WT2为结合第一趋势评价系数和第二趋势评价系数的第二综合指数，为第一趋势评价系数，为第二趋势评价系数，整体反映计算机硬盘状态的趋势程度，为初始故障概率阈值，为降低取值后的故障概率阈值标记；为提高取值后的故障概率阈值标记；

r1、r2、r3、r4分别为对应参数的回归系数，分别表示第一关联评价系数的均值与标准差，用于归一化处理；分别表示第二关联评价系数的均值与标准差，用于归一化处理；均为正常数项；

分别设定第一综合指数与第二综合指数的划分阈值依次为Q1和Q2；

当时，代表磁盘的旋转不稳定性与数据传输速率之间的关联性显著；这表示硬盘的状态不佳，存在较高的故障风险，数据传输效率受到严重影响；

当时，代表磁盘的旋转不稳定性与数据传输速率之间的关联性较弱，系统表现正常，故障风险较低；

当时，代表物理状态指标的变化趋势明显，表明硬盘的运行状态在当前采集周期内发生了较大的波动；

当时，代表物理状态指标的变化趋势较小，表示硬盘在当前采集周期内的运行状态相对稳定，故障风险较低。