【摘要】该文提出一种基于角域重采样和领域对抗神经网络的电机滚动轴承跨工况故障迁移诊断方法。首先对不同工况下的时域振动信号进行角域重采样，用以降低不同转速下振动信号的时频差异；然后利用领域对抗学习策略提取出源域与目标域数据中的领域不变特征，进一步减小不同工况间的数据分布差异。该文还搭建了电机滚动轴承故障诊断实验平台，针对6种跨工况迁移诊断任务开展了验证实验。实验结果表明，所提方法的故障平均迁移识别率高达95.08%。该故障诊断方法实验研究涉及信号处理、深度学习等领域知识，有助于学生掌握基本原理，锻炼理论联系实际的能力。