1.一种基于改进迁移学习模型的电机故障诊断方法，其特征在于，包括：采集电机运行时的多源异质信号，包括：三轴振动加速度信号和三相电流信号；

对电机运行时的多源异质信号进行连续小波变换，分别生成小波时频图，包括：三轴振动加速度信号时频图和三相电流信号时频图；

对三轴振动加速度信号时频图和三相电流信号时频图进行图像融合，得到融合图像；

将融合图像输入训练好的改进迁移学习模型EfficientNetV2‑M0中，输出电机的故障诊断结果。

2.根据权利要求1所述的基于改进迁移学习模型的电机故障诊断方法，其特征在于，对三轴振动加速度信号时频图和三相电流信号时频图进行图像融合，得到融合图像，包括：采用小波变换的二维Mallat算法对三轴振动加速度信号时频图和三相电流信号时频图进行分解，得到三轴振动加速度信号时频图的低频子带系数和高频子带系数、三相电流信号时频图的低频子带系数和高频子带系数；

对三轴振动加速度信号时频图和三相电流信号时频图的不同层次子带系数，采用设定的融合规则进行融合，得到融合后的不同层次子带系数；

采用二维Mallat算法对融合后的不同层次子带系数进行重构，得到融合图像。

3.根据权利要求2所述的基于改进迁移学习模型的电机故障诊断方法，其特征在于，对三轴振动加速度信号时频图和三相电流信号时频图的不同层次子带系数，采用设定的融合规则进行融合，包括：对三轴振动加速度信号时频图的低频子带系数和三相电流信号时频图的低频子带系数采用加权平均法进行融合；

对三轴振动加速度信号时频图的高频子带系数和三相电流信号时频图的高频子带系数采用系数绝对值最大法进行融合。

4.根据权利要求1所述的基于改进迁移学习模型的电机故障诊断方法，其特征在于，改进迁移学习模型EfficientNetV2‑M0，是在迁移学习模型EfficientNetV2的M版本的基础上，通过优化倍率因子、引入DBB模块、引入MCA注意力机制、改进损失函数得到的；

其中，优化倍率因子，用于降低模型的参数量和计算复杂度；

引入DBB模块，用于提高模型的特征提取能力；

引入MCA注意力机制，用于增强学习到的特征的表达能力，并精确定位感兴趣的对象；

改进损失函数，用于提高模型的泛化能力，防止训练过拟合。

5.根据权利要求4所述的基于改进迁移学习模型的电机故障诊断方法，其特征在于，优化倍率因子，包括：将迁移学习模型EfficientNetV2的B0版本中的倍率因子与迁移学习模型EfficientNetV2的M版本的网络结构相结合，生成改进迁移学习模型EfficientNetV2‑M0，在提高模型准确率的同时降低EffcientNetV2‑M中的模型参数量和计算复杂度。

6.根据权利要求5所述的基于改进迁移学习模型的电机故障诊断方法，其特征在于，引入DBB模块，包括：在改进迁移学习模型EfficientNetV2‑M0的Fused‑MBConv结构中添加DBB模块，所述DBB模块在推理/部署阶段包含六种变换：（1）Conv层与BN层合并：（2）分支合并；

（3）卷积序列合并；（4）深度拼接合并；（5）均值池化转换；（6）多尺度卷积转换。

7.根据权利要求5所述的基于改进迁移学习模型的电机故障诊断方法，其特征在于，引入MCA注意力机制，包括：在改进的迁移学习模型EfficientNetV2‑M0的Fused‑MBConv结构中采用基于MCA注意力机制的MCA模块替换基于SE注意力机制的SE模块，所述MCA模块包括三个分支，分别负责捕获空间维度W和H上的特征相互依赖和捕获通道间交互，最后，在整合阶段，将三个分支的所有输出进行简单平均聚合，通过不同维度生成的关注权重新校准，推导出最终的精细化特征图。

8.根据权利要求5所述的基于改进迁移学习模型的电机故障诊断方法，其特征在于，改进损失函数，包括：使用标签平滑Label Smooth和Focal loss对原交叉熵损失函数改进；标签平滑Label Smooth后的概率分布为：，

其中，为经标签平滑后的概率分布；为超参数；为多分类的类别总个数；为多分类中的某一类，为真实标签；

Focal loss的公式为：

，

其中，为模型预测为正类别的概率； 为模型预测为正类别的概率下的Focal loss公式， 为调制系数，为平衡系数。

9.根据权利要求1所述的基于改进迁移学习模型的电机故障诊断方法，其特征在于，改进迁移学习模型EfficientNetV2‑M0的训练方法，包括：使用ImageNet数据集获得源域 和目标域 ；改进迁移学习模型EfficientNetV2‑M0的所有初始权重是从利用ImageNet数据集进行优化和预训练的模型中进行迁移学习所转移过来的；

改进迁移学习模型EfficientNetV2‑M0的训练过程包括：将融合图像整合到先前训练的网络之上；所有的模型都使用相同的超参数进行训练，使用相同的数据预处理；采用指数衰减策略调整学习率大小，Batch Size为8，Epoch的最大数目限制为100，设初始学习率为

0.01，每经过100轮迭代后学习率缩减为0.0001，选择损失函数收敛稳定的模型作为最终的分类模型。

10.一种基于改进迁移学习模型的电机故障诊断装置，其特征在于，包括：信号采集模块，用于采集电机运行时的多源异质信号，包括：三轴振动加速度信号和三相电流信号；

数据处理模块，用于对电机运行时的多源异质信号进行连续小波变换，分别生成小波时频图，包括：三轴振动加速度信号时频图和三相电流信号时频图；

图像融合模块，用于对三轴振动加速度信号时频图和三相电流信号时频图进行图像融合，得到融合图像；

故障诊断模块，用于将融合图像输入训练好的改进迁移学习模型EfficientNetV2‑M0中，输出电机的故障诊断结果。