行星齿轮系广泛应用于直升机主减速器、水力发电机和风力发电机组等复杂传动系统中。由于行星齿轮箱在实际运行中承受着高速动态载荷和恶劣环境等因素的影响,使得行星轮、太阳轮、齿圈等关键零部件故障发生率高。因此,开展直升机行星齿轮箱的故障诊断研究,对于提高直升机传动系统的安全性、可靠性和智能化具有重要的意义和应用价值。本文主要研究了基于生成网络的行星齿轮箱故障诊断技术,具体内容如下:(1)针对行星齿轮箱的振动信号易受外界噪声和内部多振动源耦合信号的干扰,使得故障特征难以提取的问题,研究了一种噪声情况下的行星齿轮箱故障诊断方法。该方法利用多层感知机对含噪声的振动信号的频谱数据进行正态分布建模,通过采样得到与反映原始振动信号分布一样的去噪特征量,然后对去噪特征量进行压缩与降维,再将有效的去噪特征量输入至故障分类器,最后将训练好的模型用于行星齿轮箱的智能故障诊断。通过行星齿轮箱故障诊断实验验证了该方法的有效性。(2)由于直升机在实际飞行过程中会产生各种工况条件下的正常样本,而只有少量工况下的故障样本,从而造成样本不平衡的问题,为此研究了一种行星齿轮箱样本不平衡故障诊断方法。该方法利用条件变分自编码器的编码网络获取原始故障样本的分布,然后通过解码网络生成大量有效的故障样本,接着利用对抗学习机制不断地训练生成器、判别器和分类器的网络参数,最后将训练好的模型用于行星齿轮箱的智能故障诊断。实验结果表明该方法在两种样本不平衡案例下能有效生成故障样本并提高故障诊断精度。