在线辨识轴向柱塞泵磨损状态对保证液压传动与控制系统的稳定可靠运行具有重要意义,但实际工况下的辨识性能受强噪声干扰。磨损状态辨识模型能通过对抗训练增强抗噪声鲁棒性,但庞大的参数量限制了其在边缘计算设备上的应用。为了兼顾抗噪声鲁棒性和模型体量,提出了一种基于对抗蒸馏的磨损状态在线辨识轻量化方法,设计了基于一维卷积神经网络的学生模型和教师模型,学生模型生成对抗样本作为知识迁移数据集,并通过知识蒸馏学习教师模型的鲁棒特征知识。通过故障注入、对比实验和消融实验,表明所提方法能兼具抗噪声鲁棒性强和模型结构轻量的优势。通过边缘部署和在线验证实验,验证所提方法能实时准确地辨识轴向柱塞泵磨损状态。

随着卷积神经网络迅速发展,人们通过设计复杂的模型来解决姿态估计问题。为提高运行效率,提出利用知识蒸馏将大型网络的知识转移到紧凑型网络中。首先训练一个深层次的姿态估计教师网络,然后利用教师网络预测得到的概率热图作为学生网络的标签,指导学生网络完成姿态估计。学生网络是一个轻量级的姿态估计网络,它可以学习教师网络的姿态结构知识,并且训练时间远低于教师网络,能够在计算资源不足的情况下训练学生网络。