[發明專利]一種基于膠囊網絡輕量化模型的機械多故障智能識別方法

在審

• 申請號: 202210958834.8
• 申請日: 2022-08-10
• 公開（公告）號: CN115392358A
• 公開（公告）日: 2022-11-25
• 發明（設計）人: 劉治汶;郝亮;唐蕙;趙銳東
• 申請（專利權）人: 電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 陳一鑫

1.一種基于膠囊網絡輕量化模型的機械多故障智能識別方法，該方法包括：

S1、按機械故障具體類別收集傳感器采集的一維信號序列數據，將數據轉為圖像，建立機械多故障狀態數據庫；機械多故障狀態數據庫由若干個成對的時間序列數據和健康狀態標簽組成；

S2、基于機械多故障狀態數據庫，將所述機械多故障狀態數據庫劃分為訓練集和測試集；構建特征提取教師模型，模型損失函數為對比損失loss_cl，對比損失是衡量同一個批次中同類樣本的特征相似度和不同樣本特征遠離度的指標；特征提取教師模型包含ResNet-18和初級膠囊層，采用Adam優化算法訓練模型直到模型收斂；

S3、構建比特征提取教師網絡模型復雜度更低的特征提取學生模型；

特征提取學生模型的輸出需要與特征提取教師模型的輸出維度一致，特征提取學生模型總損失loss_student為KL散度損失loss_kl和對比損失loss_cl之和；KL散度損失是衡量特征提取教師模型到特征提取學生模型之間的知識蒸餾能力的指標，特征提取學生模型包含LeNet-5和初級膠囊層，采用Adam優化算法訓練模型直到模型收斂；

S4、將上述特征提取學生模型的權重凍結，并在特征提取學生模型后添加膠囊網絡分類模塊，特征提取學生模型加膠囊網絡分類模塊兩部分整體稱作膠囊網絡輕量化模型；膠囊網絡輕量化模型包含數字膠囊層和Length層，一個數字膠囊層對應多個數字膠囊，每個數字膠囊包含多個神經元(神經元是深度學習中最基本的單位元素，幾乎所有的深度學習網絡都是由神經元通過不同的方式組合起來)。；數字膠囊層和初級膠囊層之間的參數更新使用動態路由機制，Length層求出對應數字膠囊的二范數；初級膠囊層與數字膠囊層之間的權重變換矩陣維度實現了從a×l₁×b×l₂到l₁×b×l₂的降低，其中，a是初級膠囊層中膠囊的個數，l₁是每個初級膠囊的神經元個數，b是數字膠囊層中數字膠囊的個數，l₂是每個數字膠囊層中神經元的個數；膠囊網絡輕量化模型的損失函數為邊沿損失loss_margin，采用Adam優化算法訓練模型直到模型收斂；

S5、獲取上述機械多故障狀態數據庫的測試集作為輸入，通過訓練后的膠囊網絡分類模塊獲取機械多故障狀態智能識別結果。

2.如權利要去1所述的一種基于膠囊網絡輕量化模型的機械多故障智能識別方法，其特征在于，所述步驟2中特征提取教師模型的損失為對比損失；對比損失函數為：z_i表示一個批次內第i個樣本到特征提取器輸出的函數映射，參數τ是調節輸出特征在特征空間中的集中程度；對于每個錨樣本來說，有多個正樣例，表示一個批次中樣本標簽與第i個樣本標簽相同的樣本數量。

3.如權利要去1所述的一種基于膠囊網絡輕量化模型的機械多故障智能識別方法，其特征在于，所述步驟3中，特征提取學生模型總損失函數為：loss_student＝loss_kl+loss_cl；其中KL散度損失函數為：T(i)表示教師特征的概率分布，S(i)表示學生特征的概率分布。