一种基于生成对抗网络的轴承振动监测特征阈值自学习方法，步骤如下：获取轴承振动加速度信号；对加速度信号进行去均值和分割，得到同一工况下的众多振动信号样本集；采用卷积池化层和全连接层构建自学习神经网络模型的判别器，采用反卷积层构建自学习样本生成器，利用振动信号样本集训练自学习神经网络模型；利用训练好的自学习神经网络模型样本生成器生成振动信号样本进行特征值计算；将特征值乘以一定倍数定义为特征阈值，提供设备监测使用。本方法避免人为设置特征阈值，能自动根据设备运行规律给出轴承振动信号特征阈值的动态调整，同时在轴承运行多工况背景下，该方法能给出对应的特征阈值，使得轴承振动监测更加智能化。