1.一种跨工况不平衡数据的轴承故障诊断方法，其特征在于：基于迁移学习和改进深度卷积生成对抗网络，通过改进深度卷积生成对抗网络拟式扩充目标域的小样本参数，生成的模拟信号保留真实信号完整的高频和低频特征；将多源域与目标域特征映射至同一特征空间，实现多域特征提取并进行特征对齐操作；通过改进swin transformer网络完成跨工况下未知标签滚动轴承健康状态的识别；包括以下实施步骤，
2.根据权利要求1所述的跨工况不平衡数据的轴承故障诊断方法，其特征在于：所述的步骤1，将不同故障类型设置为分属不同故障的数据样本分类，将同一故障类型下的不同工况的原始数据分组构建原始时序信息采集样本t0。
3.根据权利要求1所述的跨工况不平衡数据的轴承故障诊断方法，其特征在于：所述的步骤2，使用滤波器去除不需要的频率成分或噪声，对滤波后的振动信号进行均值去噪处理，使用相关性分析等方法来计算信号的时间偏移，若多源振动信号之间存在时间偏差或相位差，需要进行数据对齐操作，使得各个信号在时间上保持一致；将预处理后的振动信号数据存储为时序数据形式，将处理后的数据保存为.mat格式的文件并命名为t1。
4.根据权利要求1所述的跨工况不平衡数据的轴承故障诊断方法，其特征在于：所述的步骤3，进行非周期性连续时间信号x(t)的傅里叶变换公式如下，
5.根据权利要求1所述的跨工况不平衡数据的轴承故障诊断方法，其特征在于：所述的步骤4，complex morlet复小波函数公式如下，
6.根据权利要求1所述的跨工况不平衡数据的轴承故障诊断方法，其特征在于：所述的步骤5，将属于同一时域信息的特征按行进行拼接，对较长的数组参数采用均段插值采样以使特征参数进行数据对齐；将矩阵数值映射到灰度值范围，将其三通道化并映射生成小波变换的灰度图像数据集i1，将灰度图像数据集i1设置为源域数据集o1；按照4:1比例划分为训练集和测试集，将两者分别命名为o1_train和o1_test。
7.根据权利要求1所述的跨工况不平衡数据的轴承故障诊断方法，其特征在于：所述的步骤6包括有以下步骤，
8.根据权利要求1所述的跨工况不平衡数据的轴承故障诊断方法，其特征在于：所述的步骤7，生成器(generator)网络结构包括输入层、多重转置卷积层、多头自注意力模块、sn谱归一化、relu激活函数层、ieca模块、输出层；
9.根据权利要求1所述的跨工况不平衡数据的轴承故障诊断方法，其特征在于：所述的步骤8，改进swin transformer网络架构包括输入层、ieca通道注意力层、patch embedding图像分块嵌入层、位置编码层、transformer编码器层、transformer编码器模块之间downsampling下采样层、跨层的窗口式局部注意力机制、全局加权池化层、全连接层和softmax输出层；
10.应用如权利要求1至9任一所述跨工况不平衡数据的轴承故障诊断方法的轴承诊断系统，其特征在于：包括多个下位机并联使用对应连接上位机、或单一下位机对应连接上位机，以及处理器和存储器；