您当前的位置:
首页 >
文章列表页 >
基于知识蒸馏-卷积神经网络的水轮机空化状态识别方法
发电技术 2025年46卷第1期 页码:161-170
发电及环境保护|更新时间:2026-06-29
|
基于知识蒸馏-卷积神经网络的水轮机空化状态识别方法
Cavitation State Identification Method of Hydraulic Turbine Based on Knowledge Distillation and Convolutional Neural Network
- “"准确且快速识别水轮机空化状态,对水电站高效、安全运行至关重要",介绍了其在水电设备故障诊断领域的研究进展,研究人员建立了基于知识蒸馏的CNN轻量化识别体系,为解决复杂模型识别慢与简单模型准确率低的问题提供解决方案。”
DOI:10.12096/j.2096-4528.pgt.23114
修回:2024-03-02
移动端阅览
86
浏览量
284
下载量
1
CSCD
文章被引用时,请邮件提醒。
提交
相关文章
基于分层双深度Q网络的主动配电网等值建模
基于频域增强Transformer的多用户短期负荷预测方法
一种基于时序卷积网络-Transformer的海上风电功率预测方法
基于人工智能的质子交换膜燃料电池状态估计及故障诊断
基于大语言模型的图检索增强生成技术在核电领域的应用与展望
相关作者
吴青华
郑杰辉
王子怡
谭慧娟
赵瑞锋
郭文鑫
卢建刚
王臣
相关机构
华南理工大学电力学院
广东电网有限责任公司电力调度控制中心
浙江大学海南研究院
辽宁工程技术大学电气与控制工程学院
哈尔滨理工大学计算机科学与技术学院

