条件变分自编码器生成对抗网络故障诊断方法

本发明公开了一种条件变分自编码器生成对抗网络故障诊断方法，属于机械设备故障诊断技术领域。S1、数据预处理：通过傅里叶变换将时域振动信号转换为幅频信号，并将数据集划分为训练集和测试集；S2、样本生成：构建条件变分自编码器生成对抗网络模型对故障样本进行扩增；S3、数据扩充：将训练集中的信号样本分别输入条件变分自编码器生成对抗网络模型进行训练，训练完成后，利用标签信息分别对各类故障进行样本生成，生成设定数量样本，并将生成的样本混合至训练样本；S4、样本分类：将数据扩充后的训练样本输入第一层宽卷积核深度卷积神经网络分类模型进行训练，然后对测试集中的信号样本进行故障分类，第一层宽卷积核深度卷积神经网络对各类故障信号样本进行识别。本发明提供的条件变分自编码器生成对抗网络故障诊断方法在条件变分自编码器生成模型基础上利用条件生成对抗网络的对抗学习框架进一步提高了样本的真实度和多样性，可以生成更高质量、故障样本空间维度更相似和更多样化的样本。