1.一种基于不变时空注意融合网络的不平衡故障诊断方法，其特征在于包括以下步骤：S1、建立不平衡数据故障检测框架，不平衡数据故障检测框架包括依次连接的数据采集模块、预处理模块、预训练模型获取模块、不变时空注意特征获取模块、融合推断模块和网络训练模块；

S2、采集数据集并对数据进行预处理；

S3、将处理好的类别平衡的振动、电流数据分别输入到参数不同卷积自编码器并进行预训练；

S4、将类别不平衡的振动、电流依次输入预训练CAE、卷积注意模块、长短记忆网络以获取不变时空注意特征；首先，在学得平衡样本分布后，将不平衡的振动信号xv、电流信号xc输入网络进行微调以获取数据底层特征，其过程为编码‑解码过程，表示如下:Encoder Decoder Encoder Decoder式中：hm、Rm、θm 、θm 、CAEm 、CAEm 分别为m模态的CAE网络的编码表示、解码表示、编码网络参数、解码网络参数、编码网络部分、解码网络部分；

为了获取数据的空间和通道特征，将m模态预训练CAE模型的编码表示hm输入到卷积注意模块中，表示如下：CBAM

式中：Attm、CBAMm、θm 分别表示m模态的通道‑空间注意力表示、卷积块注意力网络及其网络参数；其中，CBAM是一种简单而有效的前馈卷积神经网络注意模块，给定一个中间特C×H×W征映射F∈R 作为输入，该模块沿着两个独立的维度按顺序推断注意映射，整个注意过程概括如下：F'＝Mc(F)＝σ2(MLP(AvgPool(F))+MLP(MaxPool(F)))

7×7

F”＝Ms(F')＝σ2(f ([AvgPool(F')；MaxPool(F')]))C×1×1

其中：F'表示通道注意力映射；F”表示最终通道‑空间注意力映射；Mc∈R 表示1D通

1×H×W

道注意映射；Ms∈R 表示2D空间注意映射；MLP表示多层感知机映射表示；AvgPool为平

7×7

均池化操作；MaxPool为最大池化操作；f 表示滤波器大小为7×7的卷及操作；σ2为Sigmoid激活函数；

将注意力表示导入LSTM网络以获取时间特性，表示如下：LSTM

式中：Mm、LSTMm、θm 分别表示m模态的时空注意表示、LSTM网络和网络参数；

S5、将两个模态的不变时空注意特征拼接后输入推断网络以进行推断表示；为了获取融合表示，先将两个模态时空注意表示拼接，过程如下：式中:“ ”表示向量拼接操作；Fusion表示拼接后的融合向量；然后，将融合的时空注意表示输入到推断网络MLP中进行融合并执行故障推断，如下所示：MLP

Inf＝MLP(Fusion；θ )

MLP

式中：Inf为推断表示结果；θ 为推断网络参数；MLP为由LeakyRelu和Tanh激活的多层感知机；

S6、结合网格搜索寻优算法，以基于焦损失函数的联合损失训练网络，以获取最优的不变时空注意融合网络。

2.根据权利要求1所述的一种基于不变时空注意融合网络的不平衡故障诊断方法，其特征在于，数据采集模块通过电流传感器、加速度传感器来获取电流、振动信号，并将所获得的不同工况下的信号划为源域、目标域数据集。

3.根据权利要求1所述的一种基于不变时空注意融合网络的不平衡故障诊断方法，其特征在于，在步骤S2中数据预处理包括数据归一化流程，将原始的振动、电流数据分别进行归一化以消除量纲影响。

4.根据权利要求3所述的一种基于不变时空注意融合网络的不平衡故障诊断方法，其特征在于，将归一化后的包装设备振动、电流数据进行分段截取后，分段将1‑D数据重组为

2‑D网格矩阵形式。

5.根据权利要求1所述的一种基于不变时空注意融合网络的不平衡故障诊断方法，其特征在于，在步骤S3中将处理好的类别平衡的数据集输入到不同卷积自编码中并进行训练，以获取预训练CAE模型。

6.根据权利要求1所述的一种基于不变时空注意融合网络的不平衡故障诊断方法，其特征在于，在步骤S4中将类别不平衡的目标域数据依次通过预训练CAE、卷积注意模块、长短记忆网络，以获取数据的时空注意表示。

7.根据权利要求1所述的一种基于不变时空注意融合网络的不平衡故障诊断方法，其特征在于，在步骤S5中将时空注意表示拼接后输入到推断网络，获取网络推断输出。

8.根据权利要求1所述的一种基于不变时空注意融合网络的不平衡故障诊断方法，其特征在于，在步骤S6中结合网格搜索寻优算法，以基于焦损失函数的联合损失训练网络，以获取最优的不变时空注意融合网络。