1.江南大学江苏省食品先进制造装备技术重点实验室 无锡, 214122;2.江苏省特种设备安全监督检验研究院无锡分院 无锡, 214071
TH17
国家自然科学基金资助项目（51775243，51705203，11902124）；江苏省重点研发计划资助项目（BE201702）；泰山产业领军人才工程资助项目
针对滚动轴承故障诊断故障样本类别不平衡的问题，提出一种基于进化算法优化的条件生成对抗网络（evolutionary conditional generative adversarial nets， 简称ECGAN）故障诊断方法。首先，利用进化算法优化条件生成对抗网络中的生成器，使其在不同的损失函数下生成与原始样本分布相似的新样本，扩充数据集；其次，将生成的样本和原始样本输入判别器，提取出样本中有效的数据特征，判断输入样本的真假和类别；最后，通过对抗学习机制优化生成器和判别器，提高网络的故障识别能力。实验结果表明，在轴承故障样本数据类别不平衡的情况下，ECGAN模型具有较好的故障诊断性能。