1.一种面向多源域不平衡数据的滚动轴承跨域故障诊断方法，其特征在于，建立一种跨域故障诊断模型；所述跨域故障诊断模型包括特征提取模块、状态预测模块、对比语义对齐模块和权重生成模块；
2.根据权利要求1所述的面向多源域不平衡数据的滚动轴承跨域故障诊断方法，其特征在于，所述特征提取模块采用多分支的孪生网络架构，每个分支对应一个特定源域；分支之间采取权值共享策略，孪生网络架构的所有分支共享相同的权重和偏置参数；在每个分支中，采用首层宽卷积核深度卷积神经网络，包括五个卷积层和五个最大值池化层；首层卷积层以外的其余各卷积层均采用3×1的卷积核；每层卷积操作后采用批量归一化和激活函数处理，再采用2×1的最大值池化；经过所有卷积层和最大池化层处理之后，进行整平操作，将提取的特征展平为一维特征嵌入，映射到嵌入空间。
3.根据权利要求2所述的面向多源域不平衡数据的滚动轴承跨域故障诊断方法，其特征在于，所述状态预测模块包括两个全连接层、一个relu激活函数和一个softmax激活函数；首先，两个全连接层将特征提取模块提取的嵌入特征由嵌入空间映射到输出空间；然后，relu激活函数对输出空间中的特征进行非线性变换；最后，softmax激活函数对输出空间中的线性变换后的特征计算输入样本属于每个健康状态的概率，最终根据概率输出预测结果。
4.根据权利要求3所述的面向多源域不平衡数据的滚动轴承跨域故障诊断方法，其特征在于，所述分类损失具体如下：
5.根据权利要求3所述的面向多源域不平衡数据的滚动轴承跨域故障诊断方法，其特征在于，所述对比语义对齐损失包括语义对齐损失和分离损失；
6.根据权利要求4或5所述的面向多源域不平衡数据的滚动轴承跨域故障诊断方法，其特征在于，所述加权分类损失定义如下：