滚动轴承是机电设备中不可缺少的一个工件,起着举足轻重的作用,对于滚动轴承的研究是非常有必要的。现阶段对于轴承状态管理通常是通过安装振动类传感器来监控其运行状态,提取信号特征从而对轴承进行状态评估、故障诊断与预测等具体研究。然而随着机器学习类方法的不断进步,这种针对实际运行数据的挖掘是有限的。因此,如何构建滚动轴承故障相关数据的仿真生成器成为一种解决途径。现如今,数据仿真技术还不够完善,存在许多的弊端。对抗生成网络是近年来新兴的生成模型,在图片生成领域取得了较大的成功。因此,本文提出了一种基于对抗生成网络构建滚动轴承数据生成平台的方法,主要研究内容包括以下三个部分:(1)分析并研究了滚动轴承的结构、故障机理、振动模式以及特征信号等,为滚动轴承特征数据处理提供理论基础。(2)研究并给出了对抗生成网络的基本原理、网络结构以及训练过程,为构建对抗生成网络模型提供理论依据。(3)通过对实际运行中滚动轴承寿命周期监测数据进行时域特征分析,将数据分成3个时期:轴承正常状态时期;轴承中度退化状态时期;轴承快速失效状态时期。本文开展了对抗生成网络模型构建与训练研究,分别将生成的数据与真实数据进行时域与频域的比较,并验证生成数据与真实数据的相似性证明其有效性。