基于知识蒸馏的无源域数据域适应故障诊断方法和系统技术方案

本发明专利技术公开了一种基于知识蒸馏的无源域数据域适应故障诊断方法和系统，方法包括以下步骤：采集不同工况风电机组发电机轴承故障加速度数据，分为源域数据和目标域数据，并随机划分为训练样本和测试样本；建立源域模型，使用源域数据训练模型并保存训练好的模型参数；以源域模型为参考建立知识蒸馏的目标域模型，包含教师模型和学生模型，使用保存的源域模型参数初始化目标域模型；采用目标域数据训练样本对学生模型进行适应，将测试样本输入训练好的学生模型，实现发电机轴承故障的诊断。该方法降低了跨域故障诊断中对源域带标签数据的依赖，解决了只能获取部分或无法获取源域故障数据时的跨域故障诊断的问题，同时保障了数据隐私。

【技术实现步骤摘要】

本专利技术涉及机械故障诊断领域，尤其涉及一种基于知识蒸馏的无源域数据域适应故障诊断方法和系统。

技术介绍

1、随着旋转机械设备精密度和复杂度的提高，旋转机械设备运行的可靠性要求变得更加严苛。风电机组作为大型旋转机械设备长期处于变工况的复杂条件下，任何微小的故障都有可能引起零部件或整机的故障，从而影响风电机组正常工作，甚至可能造成毁灭性的损坏和灾难性的事故。智能故障诊断能够有效识别和评估旋转机械设备的健康状态，对提高旋转机械设备安全性和可靠性至关重要。为了保证风电机组的正常运行，对风电机组健康监测和故障诊断技术的研究越来越重要。常见的无监督迁移学习故障诊断方法有基于映射的无监督迁移学习(mk-mmd)、基于对抗的无监督迁移学习(dann)、基于实例的无监督迁移学习(adabn)，虽然这些方法在故障诊断时取得了一定效果，但是上述方法不仅需要大量有标签的源域数据与目标域数据在分布层面拉近距离实现跨域故障诊断，而且联合源域和目标域的数据进行训练模型需要较大的计算资源，限制了其在实际工程实践中的应用。为了降低对有标签源域数据的依赖，本专利技术公开了一种基于知识蒸馏的本文档来自技高网...

【技术保护点】

1.一种基于知识蒸馏的无源域数据域适应故障诊断方法，其特征在于，包括：

2.根据权利要求1所述的基于知识蒸馏的无源域数据域适应故障诊断方法，其特征在于，

3.根据权利要求2所述的基于知识蒸馏的无源域数据域适应故障诊断方法，其特征在于，

4.根据权利要求2所述的基于知识蒸馏的无源域数据域适应故障诊断方法，其特征在于，

5.根据权利要求1所述的基于知识蒸馏的无源域数据域适应故障诊断方法，其特征在于，

6.根据权利要求1所述的基于知识蒸馏的无源域数据域适应故障诊断方法，其特征在于，

7.根据权利要求1所述的基于知识蒸馏的无...

【技术特征摘要】

1.一种基于知识蒸馏的无源域数据域适应故障诊断方法，其特征在于，包括：

2.根据权利要求1所述的基于知识蒸馏的无源域数据域适应故障诊断方法，其特征在于，

3.根据权利要求2所述的基于知识蒸馏的无源域数据域适应故障诊断方法，其特征在于，

4.根据权利要求2所述的基于知识蒸馏的无源域数据域适应故障诊断方法，其特征在于，

5.根据权利要求1所述的基于知识蒸馏的无源域数据域适应故障诊断方法，其特征在于，

6.根据权利要求1...

【专利技术属性】
技术研发人员：郝紫阳，贾岩茹，庞彬，
申请(专利权)人：河北大学，
类型：发明
国别省市：