1.一种基于递归图和深度自适应Transformer的轴承故障检测方法，其特征在于，包括：轴承振动信号训练数据采集；

对轴承振动信号数据进行增强预处理；

采用递归图编码技术将一维振动信号通过递归图编码技术生成二维纹理图像形成特征图，并划分为训练集、验证集、测试集三种数据集；

建立构建出基于深度自适应Transformer的轴承故障检测器，并利用数据集数据进行模型训练、参数优化、模型测试，完成轴承故障检测；

所述建立构建出基于深度自适应Transformer的轴承故障检测器，包括：首先需要获取到递归编码后的二维纹理图像，根据处理后的二维纹理图像，从输入图像获取到每一种故障的类别；

对于只有一种故障类型的二维纹理图像，应用卷积网络F去诊断轴承的故障点，点热图，其中k为预测故障点的个数，h和w分别是特征图的高度和宽度，形式上：H代表特征图上所有故障点，F代表的是卷积函数，I则是输入的故障类型；H的每个像素代表编码后的故障点在该像素上的概率，为了获得关节坐标；这些方法使用取最大值操作来获得具有峰值激活的位置，形式上，设p是H上的空间位置，可以写成：为 个故障点，在基于热图的方法中，p的精度达到了H的分辨率，

在模型训练中，将J作为k长度序列，直接将输入I映射到轴承故障点的坐标J;其中F由三个主要组件组成:  一个用于提取多级特征表示的标准CNN Backbone，一个用于捕获和融合多级特征的Transformer Encoder，以及一个用于生成关键点坐标序列的 Transformer Decoder；

所述建立构建出基于深度自适应Transformer的轴承故障检测器，并利用数据集数据进行模型训练、参数优化、模型测试，完成轴承故障检测，还包括：深度自适应算法，通过改变最大均值差异使用多核MMD进行迁移学习可以将训练方法运用在不同工况下的故障诊断。

2.根据权利要求1所述的基于递归图和深度自适应Transformer的轴承故障检测方法，其特征在于，所述轴承振动信号训练数据采集的具体方法为：通过振动信号采集设备获取装置上的驱动端轴承的振动信号；

预先准备好的待测轴承要求包含三种缺陷位置，分别是滚动体损伤，外圈损伤与内圈损伤，作为训练所需的数据；

在不同的地方设置加速度计收集，采集到的振动信号包括1种正常信号和9种故障信号类型。

3.一种基于递归图和深度自适应Transformer的轴承故障检测系统，其特征在于，所述系统包括：滚动电机轴承装置、振动信号采集器、终端服务器；

所述滚动电机轴承装置包括：预先准备好的待测轴承要求包含三种缺陷位置，分别是滚动体损伤，外圈损伤与内圈损伤，作为训练所需的数据；

所述振动信号采集器用于轴承振动信号训练数据采集；

所述终端服务器用于接收振动信号采集器获得的轴承信号数据，同时包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如权利要求1至2任一项所述的一种基于递归图和深度自适应Transformer的轴承故障检测方法。