机床与液压

作者：黄汉坤，岑健，赵必创，司伟伟，王玮樾，潘黄楠

单位：广东技术师范大学自动化学院;广州市智慧建筑设备信息集成与控制重点实验室；广东技术师范大学自动化学院;广州市智慧建筑设备信息集成与控制重点实验室；广东技术师范大学自动化学院;广州市智慧建筑设备信息集成与控制重点实验室；广东技术师范大学自动化学院;广州市智慧建筑设备信息集成与控制重点实验室；广东技术师范大学自动化学院;广州市智慧建筑设备信息集成与控制重点实验室；广东技术师范大学自动化学院;广州市智慧建筑设备信息集成与控制重点实验室

关键词：故障诊断;深度生成式模型;生成对抗网络;变分自编码器

基金：国家自然科学基金面上项目（62073090）；广东省自然科学基金海上风电联合基金项目（2023A1515240079）；广东省自然科学基金项目（2024A1515011785）；广东省普通高校创新团队项目(2020KCXTD017)；广州市重点实验室项目（202002010003）；广州市重点研发项目（202206010022）

深度生成模型因强大的生成能力而备受关注。随着研究的深入，深度生成模型成功应用于故障诊断领域，并取得良好的效果。系统介绍传统深度生成式模型受限玻尔兹曼机以及目前主流的深度生成式模型生成对抗网络和变分自编码器；对生成对抗网络典型变体进行分类和梳理，包括基于模型结构改进和基于损失函数改进。同时，将变分自编码器典型变体分为无监督VAE和有监督VAE，并进行系统总结。最后，从样本问题、模型泛化能力、构建新模型3个角度探讨了现有深度生成式模型面临的挑战，并提出未来的研究方向。

来源：2025年第4期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第4期