本发明涉及一种气动弹性系统颤振信号异常数据扩展方法，基于生成对抗网络中生成器的时间序列信号生成算法，仅需要少量气动弹性系统或飞行器的结构响应信号出现了耦合共振的颤振信号就可以通过预训练的生成器网络对颤振数据集扩展，尽可能的使正常与异常的数据达到平衡，减少方法验证过程中数据样本对于方法的影响。本发明相比现有技术：将深度学习算法引入到气动弹性系统振动信号的数据集扩展中，提供一种基于深度学习算法的颤振信号数据集扩展方法。基于预训练的生成对抗网络，通过少量耦合共振的实测风洞颤振试验颤振信号实现基于高斯分布的随机信号到具有颤振特征的颤振信号的转变，达到扩展数据集的目的。