一种基于对抗降噪卷积神经网络的旋转机械故障诊断方法

本申请涉及一种基于对抗降噪卷积神经网络的旋转机械故障诊断方法及装置。所述方法包括：首先，获取振动信号并进行预处理，得到预处理信号样本；之后，基于BP神经网络和卷积神经网络构建对抗降噪卷积神经网络模型；之后，将所述预处理信号样本和真实样本输入所述对抗降噪卷积神经网络模型中进行交替训练；最后，将待诊断振动信号进行预处理之后，输入训练后的对抗降噪卷积神经网络模型中，输出旋转机械故障诊断结果。通过结合对抗机制、去噪技术与深度学习框架，在强噪声环境、有限样本条件以及多工况适应性方面显著提升了旋转机械的故障诊断性能，为工业领域中旋转机械的健康监测与故障预测提供了一种实用性强的创新解决方案。