1.一种轴承故障诊断模型的小样本训练方法，其特征在于，包括步骤：A，采集轴承的工作参数并建立数据集，所述数据集包括公开数据集以及小样本本地数据集；

B，建立轴承故障诊断模型，轴承故障诊断模型包括并列设置的一维残差网络和编码器‑解码器结构；

C，基于采集到的公开数据集对建立的轴承故障诊断模型进行预训练；

D，基于采集到的小样本本地数据集对预训练后的轴承故障诊断模型进行元训练；

E，对元训练后的轴承故障诊断模型进行微调，以得到训练好的轴承故障诊断模型。

2.根据权利要求1所述的一种轴承故障诊断模型的小样本训练方法，其特征在于，步骤A中，建立数据集后，还将公开数据集以及小样本本地数据集均按照8：2的比例划分为训练集和对应的测试集，所述训练集为未标注轴承故障的数据集，所述测试集为已标注轴承故障的数据集。

3.根据权利要求2所述的一种轴承故障诊断模型的小样本训练方法，其特征在于，步骤B中，所述一维残差网络包括依次连接的五个模块，模块一包括依次连接的采样层和平均池化层，模块二、模块三以及模块四均包括多层批量归一化层，模块五包括依次连接的批量归一化层和多头自注意力层。

4.根据权利要求3所述的一种轴承故障诊断模型的小样本训练方法，其特征在于，步骤C具体为：C1，将公开数据集输入一维残差网络中进行处理，以得到信号特征；

C2，将公开数据集输入编码器‑解码器结构中进行处理，以得到文本描述特征；

C3，基于得到的信号特征和文本描述特征，计算预训练损失函数，所述预训练损失函数为余弦损失函数，直至预训练损失函数收敛至预设值，以得到预训练后的轴承故障诊断模型。

5.根据权利要求4所述的一种轴承故障诊断模型的小样本训练方法，其特征在于，步骤D具体为：D1，利用预训练后的轴承故障诊断模型将小样本本地数据集从一维特征空间映射到多维特征空间，以得到模型诊断出的轴承故障的诊断结果；

D2，建立元训练损失函数，直至元训练损失函数收敛至预设值，以得到元训练后的轴承故障诊断模型。

6.根据权利要求1所述的一种轴承故障诊断模型的小样本训练方法，其特征在于，步骤A中，采集轴承的工作参数后，还对采集到的轴承的工作参数进行数据清洗和数据增强。

7.根据权利要求6所述的一种轴承故障诊断模型的小样本训练方法，其特征在于，所述数据清洗包括异常值处理以及缺失值处理。

8.根据权利要求6所述的一种轴承故障诊断模型的小样本训练方法，其特征在于，所述数据增强包括滑窗增强和重采样增强。

9.根据权利要求6所0述的一种轴承故障诊断模型的小样本训练方法，其特征在于，所述轴承的工作参数包括采样频率、采样时间以及振动信号。

10.一种轴承故障诊断方法，其特征在于，基于权利要求1至9任一项所述的一种轴承故障诊断模型的小样本训练方法训练好的一种轴承故障诊断模型对故障轴承进行诊断。