龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：湖南大学
申请日：2024-04-12
公开（公告）日：2024-06-25
公开（公告）号：CN118245778A
主分类号：G06F18/213
分类号：G06F18/213;G06F18/214;G06F18/24;G06N3/0464;G06N3/048;G06N3/09;G06N3/098
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明公开了基于联邦学习与知识蒸馏结合的滚动轴承故障诊断方法，包括：获取轴承振动数据，基于比例周期的滑动窗口样本采样，构造出带标签的源域样本集合和无标签的目标域样本集合；对带标签的源域样本集合和无标签的目标域样本集合进行特征提取得到分类向量；定义教师模型和学生模型，采用教师模型对轴承振动数据进行推理生成软标签，优化本地模型；初始化全局模型，获取本地用户端上传的模型参数，并评估用户端的通信效率和计算能力，根据加权策略计算各个本地用户端的权重，对各个用户端的本地模型更新进行加权聚合获得全局模型，更新全局模型，获得训练好的全局模型；将待测轴承振动数据输入训练好的全局模型，完成对滚动轴承的故障诊断。
主权项：1.基于联邦学习与知识蒸馏结合的滚动轴承故障诊断方法，其特征在于，包括：获取轴承振动数据，对所述轴承振动数据进行跨负载处理，获取跨负载的振动数据，对所述跨负载的振动数据进行基于比例周期的滑动窗口样本采样，构造出带标签的源域样本集合和无标签的目标域样本集合；对所述带标签的源域样本集合和所述无标签的目标域样本集合进行特征提取得到分类向量，其中对所述无标签的目标域样本集合标注伪标签；定义教师模型和学生模型，采用所述教师模型对所述轴承振动数据进行推理生成软标签，计算所述教师模型和所述学生模型之间的知识蒸馏损失，计算知识蒸馏前的传统损失，优化本地模型；初始化全局模型，获取本地用户端上传的模型参数，并评估用户端的通信效率和计算能力，根据加权策略计算各个本地用户端的权重，对各个用户端的本地模型更新进行加权聚合获得全局模型，将所述全局模型更新应用到当前的全局模型参数上，更新所述全局模型，获得训练好的全局模型；获取待测轴承振动数据，将所述待测轴承振动数据输入所述训练好的全局模型，完成对滚动轴承的故障诊断。
全文数据：
权利要求：
百度查询： 湖南大学 基于联邦学习与知识蒸馏结合的滚动轴承故障诊断方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号