摘要
本发明提供一种基于多模态知识蒸馏的数据中心液冷系统故障检测方法,涉及故障检测领域。本发明基于多教师并行知识蒸馏框架,包括网络结构相同的主教师模型、专用教师模型及学生模型。对多模态数据进行预处理和编码后,通过自监督与有监督联合预训练构建主教师模型,负责全局特征的最优表达。接着,针对各类模态缺失场景构建专用教师模型,并通过知识蒸馏将主教师及各专用教师模型的知识有效融合到学生模型中。本发明实现了主教师模型全局知识、专用教师模型判别逻辑与学生模型的高效融合,确保学生模型能够在各种模态缺失场景下,获得与相应专用教师模型相近的判别能力,从而具备更高的鲁棒性和优良的泛化性能。
技术关键词
系统故障检测方法
教师
故障类别
数据中心
多模态
学生
多任务分类
样本
蒸馏
文本
数值
图像
网络结构
标签
监督学习方法
策略
参数
动态