【技术实现步骤摘要】
本专利技术涉及无人机电机故障诊断，尤其涉及基于知识蒸馏的跨模态知识迁移无人机电机故障诊断方法。
技术介绍
1、随着无人机技术的迅猛发展，其在军事与民用领域承担的任务愈发关键，全电推进系统作为无人机设计的核心趋势，对电机健康状态提出了极高要求。然而，无人机电机长期运行于复杂工况下，易受故障侵袭，威胁飞行安全，因此开发高效精准的故障诊断方法至关重要。
2、当前，数据驱动型故障诊断方法虽基于电流、振动、温度等信号取得显著成效，但存在显著缺陷：传统方法要求训练数据与推理数据在模态类型、数据维度上严格匹配，导致大量历史多模态数据无法有效利用，降低了模型部署的灵活性。例如，在无人机电机故障诊断中，尽管积累了丰富的振动、电流、声学等多模态历史数据，但传统方法仅能处理与推理数据同模态的数据，造成数据资源的极大浪费。
3、中国专利公开号cn116227583a公开了一种基于特征级跨模型知识蒸馏的故障识别方法、系统和装置，方法包括获取齿轮箱历史故障振动数据和对应的真实标签，构建训练集；构建教师模型，采用跨通道池化与坐标注意力联合优化...
【技术保护点】
1.基于知识蒸馏的跨模态知识迁移无人机电机故障诊断方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于知识蒸馏的跨模态知识迁移无人机电机故障诊断方法，其特征在于：所述教师特征提取器和学生特征提取器均采用跨尺度感知模块，所述跨尺度感知模块的数学表达式为：
3.根据权利要求1所述的基于知识蒸馏的跨模态知识迁移无人机电机故障诊断方法，其特征在于：所述S2包括以下步骤：
4.根据权利要求1所述的基于知识蒸馏的跨模态知识迁移无人机电机故障诊断方法，其特征在于：所述S3包括以下步骤：
5.根据权利要求1或4所述的基于知识蒸...
【技术特征摘要】
1.基于知识蒸馏的跨模态知识迁移无人机电机故障诊断方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于知识蒸馏的跨模态知识迁移无人机电机故障诊断方法，其特征在于：所述教师特征提取器和学生特征提取器均采用跨尺度感知模块，所述跨尺度感知模块的数学表达式为：
3.根据权利要求1所述的基于知识蒸馏的跨模态知识迁移无人机电机故障诊断方法，其特征在于：所述s2包括以下步骤：
4.根据权利要求1所述的基于知识蒸馏的跨模态知识迁移无人机电机故障诊断方法，其特征在于：所述s3包括以下步骤：
5.根据权利要求1或4所述的基于知识蒸馏的跨模态知识迁移无人机电机故障诊断方法，其特征在于：所述教师模型软标签的数学表达式为：；其中，表示教师模...
【专利技术属性】
技术研发人员：何秋辰，李少波，陈光林，袁森，彭凇，崔芳培，熊玲玲，
申请(专利权)人：贵州理工学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。