伺服电机,是在自动化、高精度以及节能等时代背景要求下,为迅速发展起来的现代化工业生产线提供驱动力的重要工业动力源。而其在实际的使用当中,电机中的关键易损部位的劣化、失效是影响电机平稳运行的最大阻碍因素。而这种影响,将会直接传递到对依赖电机提供驱动力的整条生产线。对于生产方和使用方来说,都希望伺服电机可以在安全、高效、稳定的状态下运行,因此,实时的了解电机的运行工况,对伺服电机的关键易损部位和核心部件进行检测与故障诊断具有重大意义。从提高伺服电机的稳定性和实时掌握核心部件的运行工况的综合角度出发,本学位论文以伺服电机关键部件轴承的故障缺陷为对象进行故障诊断模型的建立,结合谱峭度等信号的特征提取方法,运用生成对抗网络等模型进行缺失信号的生成。最后,以深度置信网络为基础对信号进行模式识别判定故障,从而完成故障诊断。论文的主要研究内容如下:(1)论文首先介绍了课题来源和课题研究背景及意义,然后综合论述了当前国内外基于模型的故障诊断与状态监测技术的研究现状,在对伺服电机运行原理、故障种类及故障产生原因等方面做了充分论述,确定了故障诊断的核心部件及相应的研究方案。(2)论文接着对信号特征提取的处于技术前沿的谱峭度、递归定量分析等管件技术进行了阐述,结合后续后续模型需要,选定了特征提取与选择的方法,为后期利用模型进行模式识别与故障诊断提供了技术支持。(3)论文结合当前故障诊断领域所面临的数据缺失等问题,提出了以生成对抗网络为基础,进行缺失故障信号的生成工作。介绍了生成对抗网络的原理,分析了结合故障诊断领域的机械特性,将生成对抗网络引入故障诊断领域。(4)论文采用深度置信网络,结合上文生成对抗网络生成的故障数据,一方面完成故障诊断的模式识别工作,一方面也验证了生成对抗网络生成的故障数据在模式识别的模型中所表现出的性能。最后通过凯斯西储大学,辛辛那提大学及昆明理工大学实验室得到的多种伺服电机及轴承故障数据对模型性能进行综合验证。