【摘要】近年来，生成对抗网络在故障诊断中被应用于增加不平衡样本数量，它可以利用少量的特征信息来识别未知类别。然而，基础 GAN 容易收敛困难、训练不稳定。针对上述问题，本文将 LSGAN 应用于轴承故障诊断。首先，利用 LSGAN 产生一个包含所有故障样本的扩展数据集。再采用堆叠自编码器（SAE）对由生成样本和原始样本组成的扩展数据集进行分类。通过 CWRU 数据集对所提方法进行了验证，表明所提方法在不平衡训练数据集上表现出较好的机械故障诊断性能。