1.一种水泵电机故障检测方法，其特征在于，包括：

获取由振动传感器采集的被检测水泵电机在预定时间段的振动信号以及由水流流速传感器采集的所述预定时间段内多个预定时间点的水流流速值；

沿着时间维度对所述多个预定时间点的水流流速值进行处理以得到水流多维度时序输入向量；

对所述水流多维度时序输入向量和所述振动信号的波形图进行跨模态编码以得到多模态融合特征矩阵；

对所述多模态融合特征矩阵进行特征分布后验优化以得到优化多模态融合特征矩阵；

以及

将所述优化多模态融合特征矩阵通过分类器以得到分类结果，所述分类结果用于表示被检测水泵电机是否存在故障；

其中，沿着时间维度对所述多个预定时间点的水流流速值进行处理以得到水流多维度时序输入向量，包括：将所述多个预定时间点的水流流速值按照时间维度排列为水流流速时序输入向量；

计算所述水流流速时序输入向量中相邻两个位置的水流流速值之间的差值以得到水流流速变化时序输入向量；以及将所述水流流速时序输入向量和所述水流流速变化时序输入向量进行级联以得到所述水流多维度时序输入向量；

对所述水流多维度时序输入向量和所述振动信号的波形图进行跨模态编码以得到多模态融合特征矩阵，包括：将所述水流多维度时序输入向量和所述振动信号的波形图输入包含图像编码器和序列编码器的CLIP模型以通过所述包含图像编码器和序列编码器的CLIP模型对所述水流多维度时序输入向量和所述振动信号的波形图进行行跨模态编码以得到所述多模态融合特征矩阵；

将所述水流多维度时序输入向量和所述振动信号的波形图输入包含图像编码器和序列编码器的CLIP模型以通过所述包含图像编码器和序列编码器的CLIP模型对所述水流多维度时序输入向量和所述振动信号的波形图进行行跨模态编码以得到所述多模态融合特征矩阵，包括：将所述水流多维度时序输入向量输入所述序列编码器以得到水流多维度时序特征向量；

将所述振动信号的波形图输入所述图像编码器以得到振动波形特征向量；以及融合所述水流多维度时序特征向量和所述振动波形特征向量以得到所述多模态融合特征矩阵；

融合所述水流多维度时序特征向量和所述振动波形特征向量以得到所述多模态融合特征矩阵，包括：以如下融合公式融合所述水流多维度时序特征向量和所述振动波形特征向量以得到所述多模态融合特征矩阵；

所述融合公式为：

其中，Va表示所述水流多维度时序特征向量， 表示所述水流多维度时序特征向量的转置向量，Vb表示所述振动波形特征向量，M表示所述多模态融合特征矩阵， 表示向量相乘；

对所述多模态融合特征矩阵进行特征分布后验优化以得到优化多模态融合特征矩阵，包括：以如下优化公式对所述多模态融合特征矩阵进行特征分布后验优化以得到所述优化多模态融合特征矩阵；

所述优化公式为：

其中，mi,j′为所述优化多模态融合特征矩阵的每个位置的特征值，m和n为邻域设置超参数，且当k或者j小于等于零或者大于所述多模态融合特征矩阵的宽度或者高度时，特征值mk,l可以设置为零或者一，log表示以2为底的对数函数。

2.根据权利要求1所述的水泵电机故障检测方法，其特征在于，将所述水流流速时序输入向量和所述水流流速变化时序输入向量进行级联以得到所述水流多维度时序输入向量，包括：以如下级联公式将所述水流流速时序输入向量和所述水流流速变化时序输入向量进行级联以得到所述水流多维度时序输入向量；

其中，所述级联公式为：Vc＝Concat[V1，V2]

其中，V1和V2分别表示所述水流流速时序输入向量和所述水流流速变化时序输入向量，Concat[·]表示级联函数，Vc表示所述水流多维度时序输入向量。

3.根据权利要求1所述的水泵电机故障检测方法，其特征在于，所述序列编码器包括第一卷积层、第二卷积层和与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层和所述第二卷积层分别使用具有不同尺度的一维卷积核。

4.根据权利要求3所述的水泵电机故障检测方法，其特征在于，所述图像编码器为作为过滤器的卷积神经网络模型。

5.一种采用如权利要求1所述的水泵电机故障检测方法的水泵电机故障检测系统，其特征在于，包括：数据采集模块，用于获取由振动传感器采集的被检测水泵电机在预定时间段的振动信号以及由水流流速传感器采集的所述预定时间段内多个预定时间点的水流流速值；

输入向量排列模块，用于沿着时间维度对所述多个预定时间点的水流流速值进行处理以得到水流多维度时序输入向量；

跨模态编码模块，用于对所述水流多维度时序输入向量和所述振动信号的波形图进行跨模态编码以得到多模态融合特征矩阵；

特征分布后验优化模块，用于对所述多模态融合特征矩阵进行特征分布后验优化以得到优化多模态融合特征矩阵；以及分类模块，用于将所述优化多模态融合特征矩阵通过分类器以得到分类结果，所述分类结果用于表示被检测水泵电机是否存在故障。