一种基于生成对抗网络数据增强与深度迁移学习的轴承智能故障诊断方法和系统

本发明提出了一种基于生成对抗网络数据增强与深度迁移学习的轴承智能故障诊断方法和系统，方法包括：利用生成对抗网络增强轴承振动信号数据，通过深度学习提取深层时频特征。采用深度迁移学习策略，将特征从源域迁移到目标域，包括领域自适应和参数迁移技术。基于迁移后的特征，使用分类器识别轴承故障类型。本发明通过辅助分类生成对抗网络生成合成振动信号，有效解决数据采集成本高和样本不均衡问题，特别是复合故障模式数据的缺乏。深度学习模型结合残差注意力机制提取深层特征，深度迁移学习策略最小化域间差异，提高泛化能力。设计的分类器包含特征映射、动态权重分配及决策输出层，通过门控机制优化决策边界，提高故障识别准确性。