Jun, 2024
DKDL-Net:一种基于解耦知识蒸馏和低秩适应微调的轻量级轴承故障检测模型
DKDL-Net: A Lightweight Bearing Fault Detection Model via Decoupled Knowledge Distillation and Low-Rank Adaptation Fine-tuning
Ovanes Petrosyan, Li Pengyi, He Yulong, Liu Jiarui, Sun Zhaoruikun...
TL;DR提出了一种轻量级的滚动轴承故障诊断模型 DKDL-Net,通过解耦知识蒸馏和低秩自适应微调,在 CWRU 数据集上进行训练,实验证明在保持模型性能的同时,DKDL-Net 在计算复杂度上实现了 99.48% 的准确率,比现有技术模型高出 0.58%,且参数更少。