齿轮箱作为风电机组的关键部件，对其进行准确的故障诊断有助于保障风电机组安全可靠运行。为此，文中提出了一种基于时频交叉注意力机制和多域特征融合的风电机组齿轮箱故障诊断方法。首先，利用快速傅里叶变换（fastFourier transform

FFT）和连续小波变换（continuous wavelet transform

CWT）将时域振动信号转化为频域信号和时频图。其次，将时域信号和频域信号输入构建的时频交叉注意力机制网络中以得到时域和频域的交叉互补特征，同时，将时频图输入引入完全注意力机制的二维残差卷积神经网络中以提取时频域特征。最后，将时域和频域的交叉互补特征与时频域深层特征进行融合以获得多域特征，再经过展平层和线性层，并用softmax函数分类，得到最终的故障诊断结果。通过对20 Hz、25 Hz和30 Hz工况下采集的数据进行试验，诊断准确率均达到了100%。同时，采用六种相关方法进行对比，所提方法的诊断精度均高于对比方法，证明了所提方法的有效性。