基于动力学建模与因果可解释GAN的轴承不平衡样本故障诊断方法

本发明涉及一种基于动力学建模与因果可解释GAN的轴承不平衡样本故障诊断方法，属于机械智能检测技术领域。针对现有技术中数据不平衡导致模型诊断精度低、现有GAN网络生成样本物理意义匮乏及可解释性差的问题，提出融合动力学建模与可解释生成对抗网络的技术方案：通过二自由度动力学模型生成具有物理意义的故障响应信号；构建GabcauACGAN网络，结合因果损失函数约束生成特征与故障标签的关联性，并采用可学习Gabor滤波层提取时频特征。技术效果包括：生成的故障样本与真实信号时频相似度SSIM达99％，诊断准确率提升至98％以上。