欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024112557170
申请人: 江苏禾微电子科技有限公司
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于蒸馏学习与特征融合的变工况智能故障诊断方法,其特征在于,该方法包括以下步骤:第一步:获取原始振动信号,标记故障类型,构建训练数据集;

第二步:构建故障诊断网络模型,执行以下操作:将采集到的原始振动信号进行快速傅里叶变换,获取信号频域信息,并经过特征提取模块提取频域特征;

对采集到的原始振动信号进行幅相增强,得到幅相增强后的信号样本;对幅相增强后的样本进行蒸馏学习,学习得到相应的幅相增强特征;

将幅相增强特征、时域特征以及频域特征进行拼接得到混合特征,并通过表征自挑战学习进行特征提取;

将提取后的特征输入分类器进行故障类型识别;

第三步:利用训练数据集对所述的故障诊断网络模型进行训练,将采集得到的振动信号输入训练好的网络模型进行故障诊断。

2.根据权利要求1所述的基于蒸馏学习与特征融合的变工况智能故障诊断方法,其特征在于,在训练过程中将若干个样本的特征和标签进行线性插值,使用幅相增强方法,合成新域样本;

将频域中的幅值和相位信息视为两种特征,分别进行处理;

对于幅值信息,采用线性插值;

其中,

对于相位信息,首先计算出

其中

计算增强样本

其中

依据得到的幅值信息和相位信息,利用傅里叶逆变换重构信号,得到幅相增强后的信号样本;

3.根据权利要求1所述的基于蒸馏学习与特征融合的变工况智能故障诊断方法,其特征在于,对幅相增强后的样本进行蒸馏学习,通过一个蒸馏学习框架学习域不变特征,方法如下:将进行幅相增强后的样本作为教师网络的输入,使模型学习到相应的增强特征;教师网络训练过程表示如下:式中,

在经过教师网络训练后,得到教师网络的特征提取器式中,

4.根据权利要求3所述的基于蒸馏学习与特征融合的变工况智能故障诊断方法,其特征在于,网络中各特征提取器结构一致,在教师网络的特征提取器后增加一层全连接层,将教师网络所提取特征的尺寸缩减为原来的一半,并与提取到的时域特征的前半部分构建均方误差损失。

5.根据权利要求1-4任一所述的基于蒸馏学习与特征融合的变工况智能故障诊断方法,其特征在于,将幅相增强特征、时域特征以及频域特征进行拼接后得到混合特征,通过表征自挑战学习增强模型对不同特征的提取利用能力,具体过程为:计算混合特征

式中

表征自挑战学习中,由梯度大小确定需要被抑制的神经元;在对梯度其中,

最后,将位置