[发明专利]一种基于关系型知识蒸馏的滚动轴承故障诊断方法和系统

权利要求书

1.一种基于关系型知识蒸馏的滚动轴承故障诊断方法，其特征在于，该方法包括：

准备阶段：

获取滚动轴承正常状态和故障状态下的振动信号段，每种状态进行多次测量；以相同状态类型的多个连续采样点作为一个处理样本，将每个处理样本构建为一个时频图，将时频图，对应状态类型作为训练样本，得到训练样本集；构建教师模型-学生模型；

训练阶段：

使用训练样本集预训练教师模型；将多个训练样本同时输入至预训练好的教师模型，得到教师模型最后一个池化层输出的多个对应特征，作为特征集合T；

随机初始化学生模型；将多个训练样本同时输入至初始化后的学生模型，得到学生模型最后一个池化层输出的多个对应特征，作为特征集合S；

计算特征集合T内各元素之间的二元距离和三元角度，计算特征集合S内各元素之间的二元距离和三元角度；

基于特征集合T和S内各元素之间的二元距离，构建距离蒸馏损失，基于特征集合T和S内各元素之间的三元角度，构建角度蒸馏损失；

将距离蒸馏损失和角度蒸馏损失纳入整个模型的总损失函数，所述总损失函数计算公式如下：

L＝α*L_KD+β*(ω₁*L_RKD-D+ω₂*L_RKD-A)

其中，L_KD表示知识蒸馏损失值，L_RKD-D表示距离蒸馏损失，L_RKD-A表示角度蒸馏损失，α,β表示各类损失值的权重系数，ω₁,ω₂表示距离蒸馏损失和角度蒸馏损失的权重；

以总损失函数最小化为目标，训练教师模型-学生模型，得到训练好的教师模型-学生模型；

应用阶段：

获取待测滚动轴承的振动信号段，并构建时频图；将其输入至训练好的学生模型，得到诊断结果。

2.如权利要求1所述的方法，其特征在于，对归一化后的一维振动信号段进行连续小波分析，生成连续三通道小波时频图谱。

3.如权利要求1或2所述的方法，其特征在于，所述基于特征集合T和S内各元素之间的二元距离，构建距离蒸馏损失，具体如下：

其中，L_RKD-D表示距离蒸馏损失，x_i,x_j分别表示第i,j个训练样本，χ²表示二元关系集合，l_δ()表示Huber损失函数，Ψ_D(t_i,t_j)表示t_i和t_j的距离，Ψ_D(s_i,s_j)表示s_i和s_j的距离，t_i,t_j分别表示第i,j个训练样本输入至教师模型最后一个池化层输出的多个对应特征，s_i,s_j分别表示第i,j个训练样本输入至学生模型最后一个池化层输出的多个对应特征。