摘要
本发明的一种基于整体性知识蒸馏的滚动轴承智能故障诊断方法,包括:步骤1:采集不同健康状态的滚动轴承振动信号,对其进行预处理并划分为训练集和测试集;步骤2:建立教师‑学生故障诊断模型,使用训练集预训练教师模型,获得教师模型的最佳参数并保存;步骤3:载入步骤2中保存的教师模型和最佳参数,对教师模型和学生模型的中间层特征进行升维;步骤4:计算关系型知识蒸馏的损失函数:步骤5:计算松弛匹配下的响应型知识蒸馏的损失函数:步骤6:计算最终整体性知识蒸馏的损失函数:步骤7:进行知识蒸馏,获得最佳学生模型,并保存最佳学生模型为最终部署的模型。
技术关键词
滚动轴承智能故障诊断
教师
蒸馏
中间层
学生
滚动轴承振动信号
故障诊断模型
深度残差网络结构
样本
训练集数据
代表
两点
关系
积层
标签
松弛
参数
传播算法
系统为您推荐了相关专利信息
古建筑修缮
图像增强
通道注意力机制
基底层
群搜索算法
成像方法
神经网络模型
构建训练集
网络节点
电压
知识共享方法
路边单元
知识蒸馏技术
Stackelberg博弈模型
节点
环氧树脂单体
分子模型
甲基异丁基甲酮
分子设计方法
环氧氯丙烷