在大数据样本条件下,提出一种基于生成对抗网络模型的故障诊断方法。构建生成对抗网络模型,保证模型判别器输出数据的总体分布与原始故障集相近,并基于空间测量工具优化梯度函数,降低模型损失;采用故障集图像转换方式实现对原始故障信号的降维处理,利用判别器的神经网络结构,训练故障数据集,并提取出机械故障集中的故障特征点。实验结果表明,所提方法具有良好的分类诊断性能,故障诊断精度能够达到99.45%。