一种基于自适应模糊蒸馏的齿形链声品质预测方法

本发明涉及一种基于自适应模糊蒸馏的齿形链声品质预测方法，属于齿形链声品质研究技术领域。该预测方法包括：确定模糊生成的作用条件，对齿形链原始数据集进行扰动扩大，获得多个新数据集；基于卷积神经网络搭建教师模型；结合多个新数据集对教师模型进行自适应训练，在每一次迭代中确保教师模型的误差最小，得到最优的教师模型；构建学生模型并基于最优的教师模型和蒸馏损失函数，对学生模型进行知识蒸馏，最终在小样本条件下，得到轻量化的齿形链声品质预测模型。该预测方法结合模糊生成及知识蒸馏，解决了小样本声品质预测的问题，实现了齿形链声品质预测模型的轻量化，从而提升机械设备的整体性能和市场竞争力。