1.一种变工况下动态联合分布对齐网络的轴承故障诊断方法，其特征在于，包括以下步骤：

S1、采集不同工况下的轴承振动数据，获得源域样本和目标域样本；

其中，每种工况下的轴承健康状态不同，每种工况下不同健康状态的轴承振动数据作为一个数据域，所述源域样本和目标域样本从数据域中选取；所述源域样本附有标签，所述标签对应故障类型和故障大小；

S2、构建动态联合分布对齐的深度卷积神经网络模型，其中，所述深度卷积神经网络模型包括特征提取器和分类器；修改所述分类器的最后一层神经元，使得分类器的最后一层神经元的数量等于标签的种类数；

S3、将源域样本和目标域样本同时送入参数初始化的深度卷积神经网络模型，所述特征提取器提取源域样本和目标域样本的高层次特征；

所述分类器对所述高层次特征进行处理，生成源域样本的预测标签和目标域样本的软伪标签，计算分类器输出的源域样本的预测标签与源域样本真实标签的标签损失；

运用最大均值差异法对源域样本和目标域样本的高层次特征进行处理，获得源域样本和目标域样本之间的边缘分布距离，运用加权条件最大平均差异法对源域样本和目标域样本高层次特征、源域样本真实标签和目标域样本的软伪标签进行处理，获得源域样本和目标域样本之间的条件分布距离；

S4、根据边缘分布距离和条件分布距离获得联合分布距离，将联合分布距离与标签损失结合以获得目标函数；

S5、利用随机梯度下降法对目标函数进行优化，训练深度卷积神经网络模型，获得优化后的深度卷积神经网络模型；

S6、将目标域样本输入优化后的深度卷积神经网络模型，获得目标域的预测标签；将所述目标域的预测标签与所述目标域的真实标签进行对比，获得诊断精度；

其中，所述S3中，运用加权条件最大平均差异法对源域样本和目标域样本高层次特征、源域样本真实标签和目标域样本的软伪标签进行处理，获得源域样本和目标域样本之间的条件分布距离，具体包括：

加权条件分布距离

其中， 和 表示相应样本的权重，计算公式如下：其中， 是第i个样本xi对应的软标签yi的第c个位置上的值， 表示源域中第i个样本，表示目标域中第j个样本；

对于源域样本，yi是样本xi真实标签的独热向量；

对于目标域样本，yi是经过分类器输出的概率分布 分类器输出的概率分布由C个元素组成的向量，每个元素表示样本属于该标签的概率。

2.如权利要求1所述的变工况下动态联合分布对齐网络的轴承故障诊断方法，其特征在于，所述S1包括：

建立不同工作负载的数据集，每个数据集以其工作负载命名，数据集之间的数据服从不同的分布，其中，数据集为源域或目标域；

以连续N个采样点为一个样本长度切割样本制作数据集，获得源域样本和目标域样本；

其中，源域样本 表示C种不同标签的样本组成的源域， 表示源域中第i个样本， 表示源域中第i个样本的标签，ns为源域样本总数；

目标域样本 表示目标域中第j个样本，nt为目标域中所有的样本数；源域的数据在概率分布Ps下采集，目标域的数据在概率分布Pt下采集，Ps≠Pt；源域和目标域的数据服从不同的分布。

3.如权利要求1所述的变工况下动态联合分布对齐网络的轴承故障诊断方法，其特征在于，所述S2包括：

修改深度卷积神经网络模型的ResNet‑50的结构，修改最后一层完全连接层输出的神经元数量等于标签总数。

4.如权利要求1所述的变工况下动态联合分布对齐网络的轴承故障诊断方法，其特征在于，所述S2和S3之间还包括：对源域样本和时域样本做快速傅里叶变换，获得频域下的源域样本和时域样本。

5.如权利要求1所述的变工况下动态联合分布对齐网络的轴承故障诊断方法，其特征在于，所述S2中分类器为softmax分类器。

6.如权利要求1所述的变工况下动态联合分布对齐网络的轴承故障诊断方法，其特征在于，所述S3中，运用最大均值差异法对源域样本和目标域样本的高层次特征进行处理，获得源域样本和目标域样本之间的边缘分布距离，具体包括：边缘分布距离

其中， 表示再生核希尔伯特空间，Φ(·)表示特征空间映射的函数；K(·,·)表示高斯核函数，其公式如下：

其中，σ为带宽， 表示源域中第i个样本， 表示目标域中第j个样本。

7.如权利要求6所述的变工况下动态联合分布对齐网络的轴承故障诊断方法，其特征在于，所述S3中，计算分类器输出的源域样本的预测标签与源域样本真实标签的标签损失，具体包括：

标签损失

J(·,·)表示交叉熵损失函数，

8.如权利要求6所述的变工况下动态联合分布对齐网络的轴承故障诊断方法，其特征在于，所述S4具体包括：

设定动态参数μ， 其中，MMD(Xs,Xt)和WCMMD(Xs,Xt)分别表示源域和目标域样本的边缘分布距离和条件分布距离；

目标函数

其中J(·,·)表示交叉熵损失函数，λ>0是一个超参数， steps是训练总次数，step是当前训练步数。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1到8任一项所述方法的步骤。