摘要
本发明公开了一种基于知识蒸馏的无源域数据域适应故障诊断方法和系统,方法包括以下步骤:采集不同工况风电机组发电机轴承故障加速度数据,分为源域数据和目标域数据,并随机划分为训练样本和测试样本;建立源域模型,使用源域数据训练模型并保存训练好的模型参数;以源域模型为参考建立知识蒸馏的目标域模型,包含教师模型和学生模型,使用保存的源域模型参数初始化目标域模型;采用目标域数据训练样本对学生模型进行适应,将测试样本输入训练好的学生模型,实现发电机轴承故障的诊断。该方法降低了跨域故障诊断中对源域带标签数据的依赖,解决了只能获取部分或无法获取源域故障数据时的跨域故障诊断的问题,同时保障了数据隐私。
技术关键词
故障诊断方法
旋转机械设备
残差模块
数据
学生
分类器参数
标签
信号特征信息
知识蒸馏技术
采样模块
教师
残差网络
积层
风电机组发电机
样本
特征提取模块
模型更新
系统为您推荐了相关专利信息
空地协同
融合点云数据
林区
支持向量机分类算法
森林结构参数
有载分接开关
远程监控中心
调节变压器
远程监控模块
分析模块
滑坡检测方法
遥感影像数据
注意力机制
高分辨率遥感影像
网络
缺陷检测方法
超声导波
协方差矩阵
网络
信号包络特征
内容属性信息
可执行程序代码
显示信息
数据
生成方法