买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉杭州电子科技大学申请的专利一种基于均匀量化与对抗蒸馏的轻量级轴承故障诊断方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119848662B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411893160.3，技术领域涉及：G06F18/2415；该发明授权一种基于均匀量化与对抗蒸馏的轻量级轴承故障诊断方法是由刘鹏;朱天伦设计研发完成，并于2024-12-20向国家知识产权局提交的专利申请。

本一种基于均匀量化与对抗蒸馏的轻量级轴承故障诊断方法在说明书摘要公布了：本发明公开了一种基于均匀量化与对抗蒸馏的轻量级轴承故障诊断方法。采用知识蒸馏和对抗性学习的方法，让学生模型通过学习教师网络提供的软标签来获取有价值的信息，在学习良好的教师网络的帮助下，较小的学生模型也能够具有与深度网络相似的诊断准确性。同时，将均匀量化与蒸馏过程相结合，显著压缩了学生模型的规模。本发明的方法计算简单，结果有效，使得轻量级网络更加适合计算和存储资源有限的实际设备，能够在一些小型设备上的应用，例如手机和嵌入式设备，实现轴承故障实时诊断。

本发明授权一种基于均匀量化与对抗蒸馏的轻量级轴承故障诊断方法在权利要求书中公布了：1.一种基于均匀量化与对抗蒸馏的轻量级轴承故障诊断方法，其特征在于，包括如下步骤： 步骤1、设计一个具有多层、大量卷积核和神经元的教师模型； 教师模型采用残差网络ResNet18作为主干网络；教师模型中引入了深度可分离卷积DSC和注意力模块CBAM以提升ResNet18的性能，在ResNet18的前两个Block块后添加DSC层，在第三个Block块后添加CBAM； 步骤2、构建学生模型； 基于所提出的残差块对初始的ResNet18模型进行简化，获得轻量级的网络模型SmallResNet，并以其构建学生模型；具体操作如下： 基于Resnet18的残差结构，提出了一种“残差块”结构，自上而下依次为卷积层、BN层、ReLU函数、卷积层、BN层； 基于所提出的残差块对初始的ResNet18模型进行简化，获得轻量级的网络模型SmallResNet，并以其构建学生模型；整个学生模型依次由卷积层、两个归一化层、卷积层、归一化层、卷积层和3个残差块组成；在网络第一个卷积层使用大小为1×9的卷积核提取数据的初始特征；然后经过两个连续的归一化层调整和稳定数据分布；在网络第二个卷积层使用大小为1×5的卷积核进一步提取更复杂的特征；第三个归一化层再次调整数据分布，为下一层提供稳定的输入数据；第三个卷积层使用大小为1×3的卷积核，进行最终的特征提取；而后通过3个残差块的运算，将数据大小缩小为原来的13，且通道数增加为原来的2倍；在网络末端采用全局平均池化层和全连接层的组合，无需任何参数计算；全连接层将网络学习到的特征映射为类标签，最终完成学生模型的预训练； 步骤3、进行知识蒸馏； 采用教师模型作为特征提取器，并根据数据集的不同连接类分类器或域分类器进行训练；训练完成后，教师模型将网络结构中的softmax布局作为软标签来指导学生模型； 步骤4、使用对抗学习来辅助学生模型达到一个更高的准确率；具体方法如下： 采用判别器网络D，判断输入是来自学生模型还是教师模型；判别器的损失函数为： 其中，和分别表示教师模型和学生模型输出的概率分布，表示生成器 的损失函数，具体如下： 生成器即学生模型，目标是通过不断优化，尽可能使输出分布与教师模型的输出分布相似，达到让判别器无法分辨的程度；损失函数越小，则表明学生模型学习的效果越好； 最终，对抗蒸馏的整体损失函数能够表示为： 其中∈[0,1]，为用于平衡蒸馏损失和对抗损失的超参数； 步骤5、通过改进后的量化方法对学生模型进行均匀量化；具体操作如下： 均匀量化首先根据需求确定量化级数s，s即为量化后的整数位数；s级的均匀量化在0到1的区间内选择s个等间距的点作为量化点，将权重向量的权重值映射至最近的量化点，降低存储计算量；其中权重向量为全连接神经网络中，表示各个输入和输出神经元之间的连接权重的矩阵； 对于学生模型，其初始化网络权重参数为，依次使用线性缩放函数和量化函数，得到 量化后的权重参数；其中线性缩放函数能将值来自任意范围的权重向量归一化为值在 [0,1]内的向量，计算为： 量化函数表示如下： 式中，为量化级数，为舍入函数，~Bernoulli，其中为原始值与随机舍入点之间的归一化距离；在改进后的量化方法中，每个缩放向量坐 标都没有分配到最近的量化点，而是根据方差最小的vi的无偏估计量概率舍入量化点， 防止网络选择局部最优点，避免增加量化误差； 步骤6、综合对抗蒸馏和均匀量化进行量化蒸馏； 步骤7、基于训练好的学生模型实现轻量级轴承故障实时诊断，具体方法如下： 通过安装在轴承基座上的加速度传感器进行原始振动信号数据的采集，获得轴承全生命周期的数据，并对其采用滑动窗口分割的方法获得多段振动信号数据； 将获取到的振动信号数据输入训练好的学生模型，即可进行实时的故障诊断，输出则 为学生模型自身的预测输出。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。