冷水机组是供暖通风与空气调节系统的重要组成部分,当冷水机组发生故障时将造成能源浪费甚至安全事故.因此,针对冷水机组的故障诊断对于暖通风与空气调节等系统至关重要.基于数据驱动的故障诊断方法依赖大量历史数据,但带标签的故障数据往往难以收集,导致模型的诊断准确率下降.为此,提出了一种基于一致损失生成对抗网络(CLGAN)的故障诊断方法.首先,利用少量带标签样本和大量无标签样本训练CLGAN,并生成故障数据;然后,利用生成数据与历史数据构建一个包含各类故障的平衡数据集;最后,利用该数据集训练故障分类器并对冷水机组进行实时诊断.CLGAN通过在判别器中引入一致性损失函数,能够有效利用无标签数据辅助模型训练,提升了数据利用率.同时,CLGAN迫使生成器在多个尺度上满足判别器的要求,这种多维度的反馈机制使得模型在面对扰动时,依然能生成高质量的样本,进而提高故障诊断的准确性和鲁棒性.基于ASHRAE和HY-31C数据集的实验结果表明,在各类别仅有　5　个带标签样本的情况下,CLGAN分别获得了　92.8%和95.9%的故障诊断准确率,展现了良好的故障诊断性能.此外,在噪声和跨工况实验中,CLGAN相比于其他对比方法也展现出了良好的鲁棒性和泛化性.