基于多专家蒸馏网络的电子直流负载故障诊断方法技术

本申请公开了基于多专家蒸馏网络的电子直流负载故障诊断方法，包括采用专家变分模态分解算法将电流数据分解为K个IMF信号，整理形成电子直流负载诊断数据集；采用全局专家注意力网络提取诊断数据集样本的全局特征；采用区域专家注意力网络提取诊断数据集样本的区域特征；采用蒸馏函数监督全局专家注意力和区域专家注意力网络相互学习，通过学习后的这两个网络得到诊断数据集样本的全局增强特征和区域增强特征；将全局增强特征和区域增强特征输入双特征分类网络，得到最终的电子直流负载故障诊断结果。本申请的电子直流负载故障诊断方法准确性高且鲁棒性强，为电子直流负载智能故障诊断系统的提供了一种有效的工具。

【技术实现步骤摘要】

本专利技术属于电子直流负载人工智能故障诊断领域，具体涉及一种基于多专家蒸馏网络的电子直流负载故障诊断方法。

技术介绍

1、在现代工业和电子系统中，电子直流负载广泛应用于电源测试、设备调试以及系统验证等多个领域。它们在确保设备和系统的可靠性与性能方面发挥着至关重要的作用。然而，在长期的运行过程中，电子直流负载可能会因各种原因出现故障，如开路故障、短路故障和过载故障等。这些故障不仅会影响测试和验证的准确性，还可能导致设备损坏或系统停机，从而造成严重的经济损失和安全隐患。因此，对电子直流负载进行有效的故障诊断显得尤为重要。

2、近年来，随着电子技术和计算能力的飞速发展，故障诊断技术也取得了显著进步。传统的故障诊断方法主要依赖于经验丰富的工程师对故障现象的观察和分析，但这种方法存在效率低、依赖人工、诊断速度慢等缺点。为了提高故障诊断的效率和准确性，现代故障诊断技术逐渐引入了多种先进的方法和手段，采用深度学习网络可以提高电子直流负载的故障诊断准确性，同时在深度学习网络采用多专家蒸馏网络进行故障诊断可以大大提高诊断的效率和稳定性。>

<本文档来自技高网...

【技术保护点】

1.基于多专家蒸馏网络的电子直流负载故障诊断方法，其特征在于，包括：

2.如权利要求1中所述的电子直流负载故障诊断方法，其特征在于，采集电子直流负载电路的电流数据，采用专家变分模态分解算法将电流数据分解为K个IMF信号，整理形成电子直流负载诊断数据集，包括：

3.如权利要求1中所述的电子直流负载故障诊断方法，其特征在于，采用全局专家注意力网络提取电子直流负载诊断数据集的全局特征，包括：

4.如权利要求1中所述的电子直流负载故障诊断方法，其特征在于，采用区域专家注意力网络提取电子直流负载诊断数据集的区域特征，包括：

5.如权利要求1中所述的电...

【技术特征摘要】

1.基于多专家蒸馏网络的电子直流负载故障诊断方法，其特征在于，包括：

2.如权利要求1中所述的电子直流负载故障诊断方法，其特征在于，采集电子直流负载电路的电流数据，采用专家变分模态分解算法将电流数据分解为k个imf信号，整理形成电子直流负载诊断数据集，包括：

3.如权利要求1中所述的电子直流负载故障诊断方法，其特征在于，采用全局专家注意力网络提取电子直流负载诊断数据集的全局特征，包括：

4.如权利要求1中所述的电子直流负载故障诊断方法，其特征...

【专利技术属性】
技术研发人员：请求不公布姓名，请求不公布姓名，请求不公布姓名，
申请(专利权)人：湖南恩智测控技术有限公司，
类型：发明
国别省市：