1.一种基于复Morlet小波和轻量级卷积网络的轴承故障诊断方法，其特征在于包括如下步骤：对轴承的振动信号数据进行数据集划分并构建对应的故障标签，然后采用复Morlet小波变换对数据集进行时频转换，获得二维时频图像数据集；

构建轻量级卷积网络模型；

利用训练数据集和验证数据集训练构建好的轻量级卷积网络模型，得到训练好的分类器；

利用训练好的轻量级卷积网络模型对获得的二维时频图像数据集进行分类，得到分类结果；

根据分类的结果得出轴承是否发生故障；

所述轻量级卷积网络模型包括：1个卷积层、14个轻量级卷积结构单元、1个池化层、1个全连接层和一个分类输出层；所述轻量级卷积网络中的卷积层的卷积核为3x3，步长为2，池化层的卷积核大小为2x2，步长为2，分类输出层为10个神经元，共10个故障类别；所述轻量级卷积结构单元有两种：轻量级卷积结构a单元和轻量级卷积结构b单元，在模型结构中，14个轻量级卷积结构单元包括4个所述a单元和10个所述b单元；

所述轻量级卷积结构a单元包括：卷积操作模块、Channel Split操作模块、Concat操作模块和Channel Shuffle操作模块，所述轻量级卷积结构a单元输入端经过一层卷积操作后分为两个分支，其中的一个分支经三个卷积层与Concat操作模块连接，另一个分支经所述Channel Split操作模块后又分为两个分支，这两个分支中的一个分支直接与Concat操作模块连接，另一个分支经三个卷积层后与Concat操作模块连接，所述Concat操作模块的输出端与Channel Shuffle操作模块的输入端连接，所述Channel Shuffle操作模块的输出端为轻量级卷积结构a单元的输出端；

所述轻量级卷积结构b单元包括：Channel Split操作模块、Concat操作模块和Channel Shuffle操作模块，所述Channel Split操作模块的输出端分为两个分支，其中的一个分支直接与Concat操作模块连接，另一个分支经三个卷积层后与Concat操作模块连接，所述Concat操作模块的输出端与Channel Shuffle操作模块的输入端连接，所述Channel Shuffle操作模块的输出端为轻量级卷积结构b单元的输出端。

2.如权利要求1所述的基于复Morlet小波和轻量级卷积网络的轴承故障诊断方法，其特征在于，所述对轴承的振动信号数据进行数据集划分并构建对应的故障标签的方法如下：采取多种故障类型和健康状态的轴承振动信号，将轴承振动信号按照一定的长度划分并按照比例随机划分为训练数据集、验证数据集和测试数据集，并对数据集打上分类标签。

3.如权利要求1所述的基于复Morlet小波和轻量级卷积网络的轴承故障诊断方法，其特征在于，复Morlet小波变换的计算公式为：其中t代表时间，ω0代表无量纲频率。

4.如权利要求1所述的基于复Morlet小波和轻量级卷积网络的轴承故障诊断方法，其特征在于，所述轻量级卷积结构a单元的处理方法如下：输入的特征数据经过步长为2的3*3Conv处理后，通过两个分支进行卷积运算，一个分支包括1*1Conv和3*3DWDConv两层卷积层，另一个分支使用Channel Split操作模块将输入channels又划分为两分支，其中一个分支直接向下传递，另外一个分支经过三个卷积层计算后输出，三个卷积层分别是1*1Conv、3*3DWDConv和1*1Conv，然后，将三个分支的输出通过Concat操作模块连接起来，最后，使用Channel Shuffle操作模块来打乱输出信道的顺序。

5.如权利要求1所述的基于复Morlet小波和轻量级卷积网络的轴承故障诊断方法，其特征在于，所述轻量级卷积结构b单元的处理方法如下：先使用Channel Split操作模块将输入channels划分为两分支，一个分支直接向下传递，另外一个分支经过三个卷积层计算后输出，三个卷积层分别是1*1Conv、3*3DWDConv和

1*1Conv，然后，将两个分支的输出通过Concat操作模块连接起来，最后，使用Channel Shuffle操作模块来打乱输出信道的顺序。

6.如权利要求1所述的基于复Morlet小波和轻量级卷积网络的轴承故障诊断方法，其特征在于，所述轻量级卷积结构a单元的三个分支中，其中两个分支都是先经过一层1*

1Conv卷积层进行处理，其包含BN和ReLU激活函数，然后经过一层3*3DWDConv卷积层进行处理，包含BN激活函数，最后经过一层1*1Conv卷积层进行处理,其包含BN和ReLU激活函数；而另一个分支经过一层3*3DWDConv卷积层进行处理,包含BN，再经过一层1*1Conv卷积层进行处理,其包含BN和ReLU激活函数。

7.如权利要求1所述的基于复Morlet小波和轻量级卷积网络的轴承故障诊断方法，其特征在于：在轻量级卷积结构a单元和轻量级卷积结构b单元中，将BN层合并于Conv层后，Conv层的计算公式为：

2

ω代表权重参数，σ代表输入X2的方差，μ为输入X2的均值，γ代表缩放因子，ε是防止分母为0的较小的数，β代表偏移量，b代表偏置。