摘要： 目前深度学习在机械系统的故障诊断方面得到较大普及和发展，这些智能模型需要大量的训练数据确保其泛化能力。然而实际汽轮机转子故障数据缺乏或者难以获取，这给智能故障诊断带来新的挑战。提出一种基于汽轮机转子数值模拟生成故障数据并进行智能故障诊断的方法，通过建立转子有限元模型，生成能够反映其工作状态的故障信息，从而为智能模型提供数据样本。采用根据实际转子信号建立的高精度转子有限元模型，能够有效解决故障样本不足的问题，从而提高智能诊断准确率。通过将有限元技术与深度卷积神经网络相结合，所提出的方法能够在故障样本不足及部分故障信号难以测量的情况下实现汽轮机转子端到端的智能故障诊断，具有准确率高、鲁棒性强的特点。

关键词: 故障诊断, 汽轮机转子, 数值模拟, 故障样本不足, 深度卷积神经网络, 智能故障诊断