1.一种基于结构信息保持域适应网络的抽油机故障诊断方法，其特征在于，包括采集抽油机示功图数据，得到源域数据集和目标域数据集；

使用特征生成器提取源域特征和目标域特征；

在源域中使用源域特征和源域样本标签进行有监督训练更新特征生成器和分类器；

使用无监督聚类算法对目标域特征进行聚类获得目标域伪标签；

将源域特征和源域标签，以及目标域特征和目标域伪标签输入局部最大均值差异度量公式进行分布差异计算对特征生成器进行优化；

所述获得目标域伪标签的具体步骤包括：根据数据集随机初始化隶属度矩阵；

计算最佳的隶属度矩阵和聚类中心；

利用隶属度矩阵和聚类中心获得目标域的伪标签；

所述获得目标域的伪标签的具体步骤为：根据隶属度矩阵获得样本聚类标签；

针对每个聚类标签下的样本，利用分类器获得分类标签；

统计每个分类标签的数量；

选择分类标签数量最多的标签作为聚类类别的标签，并更新聚类中心；

利用新的聚类中心更新隶属度矩阵；

根据新的隶属度矩阵获得目标域伪标签。

2.如权利要求1所述的一种基于结构信息保持域适应网络的抽油机故障诊断方法，其特征在于，所述示功图指由位移和载荷离散点构成的封闭曲线图。

3.如权利要求1所述的一种基于结构信息保持域适应网络的抽油机故障诊断方法，其特征在于，所述特征生成器为由卷积神经网络构成的特征提取模型。

4.如权利要求1的一种基于结构信息保持域适应网络的抽油机故障诊断方法，其特征在于，所述计算最佳隶属度矩阵和聚类中心的具体步骤包括：利用隶属度矩阵更新聚类中心；

利用聚类中心计算样本到聚类中心的欧式距离；

利用聚类数、聚类中心距离和模糊权重指数更新隶属度矩阵；

根据是否达到最大迭代次数及误差判断是否满足迭代停止条件；

得到算法最佳的隶属度矩阵和聚类中心。