1.一种水面无人艇执行器故障诊断方法，其特征在于，该方法包括以下步骤：S1，采集并存储水面无人艇执行器（8）多个状态参量数据以及水面无人艇多个姿态参量数据；

S2，按照频段判断和信号灰度匹配的数据预处理方法对步骤S1采集的数据进行预处理；

S3，通过改进深度残差收缩网络对预处理后的数据进行分析，判断水面无人艇执行器（8）是否发生故障，若发生故障则发送故障保护指令，若未发生故障则进行下一轮判断；

S4，数据采集模块（3）接收到智能故障诊断模块（5）发送的故障保护指令后，发送控制指令至执行器故障保护模块（6），执行器故障保护模块（6）接收到故障保护指令后，断开水面无人艇主控器（7）与水面无人艇执行器（8）间的联系。

2.根据权利要求1所述的水面无人艇执行器故障诊断方法，其特征在于，在步骤S2中，所述数据预处理方法包括以下步骤：步骤1：获取水面无人艇执行器（8）多个状态参量数据以及水面无人艇多个姿态参量数据；

步骤2：通过快速傅里叶变换算法分析水面无人艇执行器（8）多个状态参量数据，获取数据频段分布情况并与预设频段进行对比，若数据频段处于预设频段范围内则返回步骤1，反之则进行步骤3；其中，快速傅里叶变换公式表达如下所示：；

式中， 为数据的频率信号序列，N为数据序列长度， 为数据时间信号序列，n代表数据时间信号序列的第n个元素，为自然常数，j代表复数虚部，k为频率变量；

步骤3：将水面无人艇执行器（8）多个状态参量数据以及水面无人艇多个姿态参量数据按照如下所示公式转化为灰度图，表达式为：；

；

；

；

式中， 表示水面无人艇执行器（8）偏移数据，num表示Dev的第num行，v表示第v个数据， 表示第 个无对应左右对称分布执行器的单个执行器状态参量数据，fst表示第fst个无对应左右对称分布执行器的单个执行器，seo表示第seo组呈左右对称分布关系的水面无人艇执行器（8）， 表示无对应左右对称分布执行器的单个执行器总数，表示呈左右对称分布关系的水面无人艇执行器（8）总组数， 表示第 组呈左右对称分布关系的水面无人艇右执行器状态参量数据， 表示第 组呈左右对称分布关系的水面无人艇左执行器状态参量数据， 分别表示第 和第个执行器状态参量， 表示水面无人艇姿态偏移数据， 表示水面无人艇第 个姿态参量的初始状态数据， 表示水面无人艇第 个姿态参量的第 个数据， 表示水面无人艇执行器（8）状态参量个数；

；

；

；

；

式中， 表示水面无人艇状态参量数据，表示第个数据， 表示各个水面无人艇执行器（8）状态参量和水面无人艇姿态参量个数的和，表示灰度图的宽， 表示灰度图的高度系数， 表示灰度图的高， 表示第 个水面无人艇状态参量数据中Sta绝对值的最大值， 表示灰度图第行第列的像素值，其中， ；

表示水面无人艇姿态参量个数；

步骤4：将转化后的灰度图通过绝对误差和算法与预设的模板灰度图进行相关性分析，算法公式表达如下所示：；

式中，为信号灰度图像素值，为模板灰度图像素值，为相关性系数，和 为图像的像素坐标， 和 为图像的高和宽，其中 ；若转化后的灰度图符合预设的相关性系数要求则返回步骤1，反之则进行步骤5；

步骤5：通过卷积核尺度大小为 的卷积层对灰度图进行卷积操作使灰度图数据融合为一维特征数据，完成数据预处理操作。

3.根据权利要求1所述的水面无人艇执行器故障诊断方法，其特征在于，在步骤S3中，所述改进深度残差收缩网络包含1个卷积层、多个改进残差收缩块、1个BN层、1个ReLU激活函数、1个GAP层以及1个全连接层。

4.根据权利要求3所述的水面无人艇执行器故障诊断方法，其特征在于，所述改进深度残差收缩网络通过预先采集的正常状态数据和故障状态数据作为训练集，对改进深度残差收缩网络进行训练，然后将待测数据作为测试集输入训练好的改进深度残差收缩网络中进行故障识别。

5.根据权利要求4所述的水面无人艇执行器故障诊断方法，其特征在于，对改进深度残差收缩网络进行训练包括以下步骤：步骤（Ⅰ）：将正常状态下和多个故障状态下的数据作为训练集，输入改进残差收缩网络中；

步骤（Ⅱ）：训练集数据通过卷积层及改进残差收缩块中的2个BN‑ReLU‑Conv结构和融合特征提取模块提取数据特征，并将提取的特征在改进残差收缩块中进行软阈值化处理；

步骤（Ⅲ）：软阈值化后的特征经BN层、ReLU激活函数、GAP层以及全连接层输出最终的故障模型。

6.根据权利要求5所述的水面无人艇执行器故障诊断方法，其特征在于，所述步骤（Ⅱ）中，训练集数据通过卷积层及改进残差收缩块中的2个BN‑ReLU‑Conv结构和融合特征提取模块提取数据特征，并将提取的特征在改进残差收缩块中进行软阈值化处理包括：步骤（1），输入数据经1个恒等映射路径、2个BN‑ReLU‑Conv结构以及一个融合特征提取模块处理后获取数据初步特征；

步骤（2），将融合特征提取模块输出的数据初步特征的绝对值进行GAP运算，得到一维向量然后通过两个全连接层获取缩放参数，然后通过softmax将缩放参数缩放到（0，1）范围内，表达式为：；

式中，为缩放参数，为两个全连接层的输出，为自然常数；

步骤（3），结合获取的缩放参数计算出阈值参数，然后对特征进行软阈值化得到最终的特征，软阈值化的公式表达为：；

；

式中，为融合特征提取模块输出的数据特征，为阈值参数，为软阈值化输出特征，分别代表融合特征提取模块输出的数据特征 的宽度、高度和通道参数，分别代表 的最大值。

7.根据权利要求6所述的水面无人艇执行器故障诊断方法，其特征在于，在步骤（1）中，融合特征提取模块处理后获取数据初步特征包括：步骤（a）：通过将各个特征分支中的元素进行逐一求和来融合特征分支，该过程函数表达为：

；

式中， 分别表示三个不同尺度卷积核的特征分支，表示融合后的特征；

步骤（b）：通过特征通道信息平均化来获取通道特征 ；

；

式中， 表示 的第 个元素， 表示 的特征宽度， 表示融合特征 的第个通道的第 个数据；

步骤（c）：通过全连接层FC获得特征向量 ，该过程函数表达如下所示：；

；

式中，表示特征向量，表示批量归一化， 表示 的权重矩阵， 表示全连接层，表示实数域， 表示 输出数据特征的权重向量的转置，表示 输出数据特征的偏置，r为缩减比例参数， 表示参数 的最小值， 表示 的通道参数；

步骤（d）：通过跨通道软注意力得到各个分支的权重向量，该过程函数表达如下所示：；

；

；

式中， 以及a,b,c表示特征分支 特征分支的软注意力向量， 表示LA的第 行， 表示a的第 个元素， 表示LB的第 行，表示b的第 个元素， 表示LC的第 行， 表示的第 个元素；

步骤（e）：通过各个分支上的权重参数获得特征输出V，该过程函数表达如下所示：；

。

8.一种水面无人艇执行器故障诊断系统，其特征在于，实施权利要求1‑7任意一项所述水面无人艇执行器故障诊断方法，该诊断系统包括：多个执行器观测模块（1）、电源管理模块（2）、数据采集模块（3）、数据传输模块（4）、智能故障诊断模块（5）、执行器故障保护模块（6）、水面无人艇主控器（7）以及水面无人艇执行器（8）；

所述多个执行器观测模块（1）、电源管理模块（2）、数据传输模块（4）均与数据采集模块（3）电性连接；

所述执行器故障保护模块（6）与数据采集模块（3）采用电性连接，电源管理模块（2）与多个执行器观测模块（1）、执行器故障保护模块（6）以及数据采集模块（3）采用电性连接；

所述水面无人艇主控器（7）分别与执行器故障保护模块（6）、水面无人艇执行器（8）采用电性连接。

9.根据权利要求8所述的水面无人艇执行器故障诊断系统，其特征在于，所述的多个执行器观测模块（1）用于获取水面无人艇执行器（8）多个状态参量数据以及水面无人艇多个姿态参量数据，并将数据传输至数据采集模块（3）；

多个执行器观测模块（1）为多个不同数据类型的参量传感器，用以观测水面无人艇执行器（8）的振动、电流以及水面无人艇横摇、纵摇参量的实时变化情况；

电源管理模块（2）通过电池电量计实时检测系统剩余电量；

所述数据传输模块（4）用于接收数据采集模块（3）发送的预处理后的数据，并将该数据传输至智能故障诊断模块（5），同时该数据传输模块（4）还用于将智能故障诊断模块（5）发送的控制指令传输至数据采集模块（3）；

所述智能故障诊断模块（5）用于接收数据传输模块（4）传输的预处理后的数据，并采用改进的深度残差收缩网络算法对接收的数据进行故障诊断；同时，所述智能故障诊断模块（5）还用于对数据采集模块（3）发送相关控制指令；

所述执行器故障保护模块（6）用于在接收到数据采集模块（3）发送的控制指令时，快速切断水面无人艇主控器（7）与水面无人艇执行器（8）间的联系。

10.根据权利要求8所述的水面无人艇执行器故障诊断系统，其特征在于，所述数据采集模块（3）包括：FPGA主控模块（3‑1），用于对水面无人艇执行器（8）多个状态参量数据以及水面无人艇多个姿态参量数据进行频段判断和信号灰度匹配的数据预处理，并将预处理后的数据传输至数据传输模块（4）；并在故障发生时根据智能故障诊断模块（5）相关指令，向执行器故障保护模块（6）发送控制指令；

数据存储模块（3‑2），用于存储水面无人艇执行器（8）状态参量数据和水面无人艇姿态参量数据，以及存储用于频段判断和信号灰度匹配数据预处理的信号灰度模板数据；

信号处理模块（3‑3），用于对水面无人艇执行器（8）多个状态参量信号进行降噪和模数转换处理，并将处理后的数据传输至FPGA主控模块（3‑1）。