基于MSCNN-ACGAN的迁移学习滚动轴承故障诊断方法

本发明请求保护一种基于MSCNN‑ACGAN的迁移学习滚动轴承故障诊断方法，属于轴承故障诊断技术领域。针对多工况下滚动轴承数据收集困难，缺乏故障标签样本，难以获得足够的诊断知识、训练任务与目标任务数据分布差异大等问题，提出了基于MSCNN‑ACGAN与迁移学习相结合的滚动轴承故障诊断方法。本发明采用采样得到的振动信号样本按不同窗口大小进行非重叠滑动切割后作为输入，训练多尺度卷积神经网络(MSCNN)提取信号多尺度特征，辅助分类器生成对抗网络(ACGAN)进行数据增强，当训练达到纳什均衡后，训练基于MSCNN‑ACGAN的迁移学习网络模型，提高了对数据分布不同的目标域的故障诊断精度。