基于WGAN-GP数据增强的小样本滚动轴承故障诊断方法

基于WGAN‑GP数据增强的小样本滚动轴承故障诊断方法，首先通过公开数据集获取滚动轴承在多个不同工况下的振动信号，得到振动信号的样本数据集，然后将振动信号的样本数据集输入至WGAN‑GP模型进行条件生成训练，得到伪样本数据集，并将其划分为训练集和测试集，将训练集输入至初始Resnet18分类模型进行训练，通过反向传播算法对Resnet18神经网络的参数进行迭代更新，直到总损失函数的计算值为0或趋近于0时，得到训练后的Resnet18分类模型，通过测试集计算得到测试集的诊断准确率，准确率达标时即可采用该模型进行基于WGAN‑GP数据增强的小样本滚动轴承故障诊断，对于实际工况轴承，即使无法采集到理想数量的故障数据样本，本发明也能准确进行轴承故障的诊断和分类。