1.一种基于马尔可夫变迁场和改进高斯原型网络的发动机气门故障诊断方法，其特征在于，包括：
Step1、获取发动机气缸缸盖电压信号数据，建立时序数据集；
Step2、对时序数据集进行编码，获得不同类型的二维特征图；
Step3、将编码后的二维特征图打标签；
Step4、对高斯原型网络中的嵌入网络进行改进，获得改进嵌入网络；
Step5、依据训练集训练基于改进高斯原型网络的发动机气门故障诊断模型，获得训练好的基于改进高斯原型网络的发动机气门故障诊断模型；
Step6、依据训练好的改进高斯原型网络的发动机气门故障诊断模型对测试集进行测试。
2.根据权利要求1所述的基于马尔可夫变迁场和改进高斯原型网络的发动机气门故障诊断方法，其特征在于，所述获取发动机气缸电压信号数据，包括：在发动机四个气缸缸盖上均安装加速度传感器，获取发动机气缸缸盖电压信号数据；依据获取的发动机气缸缸盖电压信号数据建立时序数据集，将时序数据集分为训练集和测试集，同时将训练集分成训练支撑集和训练查询集，将测试集分成测试支撑集和测试查询集。
3.根据权利要求1所述的基于马尔可夫变迁场和改进高斯原型网络的发动机气门故障诊断方法，其特征在于，所述对时序数据集进行编码，具体为：采用马尔可夫变迁场对时序数据集进行编码，获得不同类型的二维特征图。
4.根据权利要求1所述的基于马尔可夫变迁场和改进高斯原型网络的发动机气门故障诊断方法，其特征在于，对编码后的二维特征图打标签，包括：将1号气缸标记为0、3号气缸标记为1、4号气缸标记为2、2号气缸标记为3，模型训练时随机提取训练集中的四个气缸故障特征图进行训练。
5.根据权利要求4所述的基于马尔可夫变迁场和改进高斯原型网络的发动机气门故障诊断方法，其特征在于，所述1号气缸气门间隙正常，3号气缸进气门间隙偏小排气门间隙偏大，4号气缸进气门间隙偏小排气门间隙正常，2号气缸进气门间隙正常排气门间隙偏大；其中，偏小表示比正常值小0.2mm-0.3mm，偏大表示比正常值大0.2mm-0.3mm。
6.根据权利要求1所述的基于马尔可夫变迁场和改进高斯原型网络的发动机气门故障诊断方法，其特征在于，所述改进嵌入网络包括：5个卷积模块、CBAM注意力机制模块；其中，5个卷积模块依次连接，第一个卷积模块、第二个卷积模块之间加入CBAM注意力机制模块；其中，第一卷积模块、第二卷积模块、第三卷积模块、第四卷积模块相同，均包括卷积层、批归一化层、Relu、最大池化层；第五卷积模块与前四个卷积模块构成相同，其不同之处在于：第五卷积模块卷积核的数量为前四个卷积模块中卷积核数量的2倍。
7.根据权利要求1所述的基于马尔可夫变迁场和改进高斯原型网络的发动机气门故障诊断方法，其特征在于，所述依据训练集训练基于改进高斯原型网络的发动机气门故障诊断模型，获得训练好的基于改进高斯原型网络的发动机气门故障诊断模型，包括：将训练支撑集和训练查询集送入改进嵌入网络，依据训练支撑集的输入获得对应的嵌入向量和矩阵原子，用于构建高斯原型；依据高斯原型和依据训练查询集获得对应的嵌入向量，获得高斯原型到查询集样本对应嵌入向量的距离；依据距离得到预测标签；通过预测标签、真实标签的对比采用交叉熵损失函数进行反向传播至改进嵌入网络，反复迭代，获得最优权重；依据最优权重，获得训练好的基于改进高斯原型网络的发动机气门故障诊断模型。
8.一种基于马尔可夫变迁场和改进高斯原型网络的发动机气门故障诊断系统，其特征在于，包括：
用于获取发动机气缸缸盖电压信号数据，建立时序数据集的模块；
用于对时序数据集进行编码，获得不同类型的二维特征图的模块；
用于将编码后的二维特征图打标签的模块；
用于对高斯原型网络中的嵌入网络进行改进，获得改进嵌入网络的模块；
用于依据训练集训练基于改进高斯原型网络的发动机气门故障诊断模型，获得训练好的基于改进高斯原型网络的发动机气门故障诊断模型的模块；
用于依据训练好的改进高斯原型网络的发动机气门故障诊断模型对测试集进行测试的模块。
