机械传动系统广泛应用于石化、能源、冶金和交通等国民经济支柱产业中,为保障其安全可靠地运行,对其进行状态监测和故障诊断十分有必要。人工智能诊断模型已应用于机械传动系统故障诊断,但由于故障样本不足的问题,难以走向工程应用。因此,如何确保故障样本的完备性,提高人工智能诊断模型诊断精度具有重要的现实意义。本论文以机械传动系统轴承、齿轮、轴承—转子系统为对象,开展基于仿真数据驱动的生成式对抗网络及故障诊断研究。针对工程实践中难以采集到完备的故障样本的问题,提出仿真驱动的生成式对抗网络及机械传动系统故障诊断框架体系。首先通过有限元法仿真得到的一系列仿真故障样本,补足缺失的故障样本;其次利用生成式对抗网络“无限生成”能力,分别对实测与仿真故障样本进行处理,生成大量“完备”的故障样本;最后利用人工智能诊断模型,如:支持向量机、决策树、极限学习机、卷积神经网络、堆栈自编码器等人工智能模型,开展机械传动系统轴承、齿轮、轴承—转子的多种故障分类研究。仿真、实验、以及对比研究结果表明:仿真驱动的生成式对抗网络及机械传动系统故障诊断框架体系在机械传动系统轴承、齿轮、轴承—转子系统故障诊断中具有高的故障分类精度,为人工智能模型走向机械传动系统故障诊断搭建了关键的桥梁。