基于GAN的数据增强故障诊断方法

本发明公开了基于GAN的数据增强故障诊断方法，涉及设备状态监测与故障诊断技术领域，旨在解决工业现场故障数据稀疏、类别不均衡及演化过程数据缺失的问题，该方法的核心包括：一、物理－因果与时序解耦生成器，其利用具有明确物理意义的解耦潜变量，精确控制生成信号的故障类型、运行工况及时序演化阶段，二、协同诊断‑判别器，其包含共享特征提取主干和独立的真实性判别头与故障诊断头，实现判别和诊断的双重任务，三、时序一致性判别器，用于确保生成信号序列的动态演化符合物理规律，本发明通过一种创新的协同对抗训练机制，引入协同诊断损失，驱动生成器主动生成能挑战并优化诊断－判别器决策边界的“硬样本”。