一种基于自回归数据生成的滚动轴承故障诊断方法

本发明公开了一种基于自回归数据生成的滚动轴承故障诊断方法，涉及轴承故障诊断技术领域，该方法包括：获得轴承正常工作状态下的大量有标签振动信号与故障工作状态下的少量有标签振动信号。设计自回归数据生成模型CSQ‑VAE，包含并行注意力引导量化模块和多尺度量化特征融合模块，以更好地整合不同尺度的潜变量特征。为了增加伪样本的多样性，对原始输入信号使用小波包变换分解来获取高低频信息，并将其作为CSQ‑VAE的训练数据，然后对生成的高低频信息进行重构来获取伪样本。保存训练完成的生成模型，并通过该模型生成故障信号的伪样本，从而扩充不平衡数据集，最后实现少量故障样本与大量正常样本的非平衡样本下滚动轴承故障诊断。