基于时频增强与生成式学习的小样本滚动轴承故障诊断方法

本发明涉及一种基于时频增强与生成式学习的小样本滚动轴承故障诊断方法，属于智能制造与工业大数据技术领域，包括以下步骤：S1：收集滚动轴承故障数据并进行预处理，建立滚动轴承故障数据集；S2：采用GAF算法将一维振动故障信号转换成为GADF时频特征图并划分出训练样本数据、验证样本数据与测试样本数据；S3：采用CVAE模型对小样本训练数据进行生成式数据样本扩充；S4：构建GAF‑CVAE‑MobileNet‑v3滚动轴承故障诊断模型；利用训练集样本数据和验证集样本数据对模型进行训练和优化；S5：利用测试集样本数据检验滚动轴承故障诊断模型，若不满足要求，则返回步骤S4，直至结果满足要求。