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！

龙图腾网获悉西安交通大学申请的专利基于联邦学习和模型剪枝的滚动轴承剩余寿命预测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：CN116502696B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202310405004.7，技术领域涉及：G06N3/082；该发明授权基于联邦学习和模型剪枝的滚动轴承剩余寿命预测方法是由严如强;陈曦;孙文珺;孙闯;王诗彬;陈雪峰设计研发完成，并于2023-04-14向国家知识产权局提交的专利申请。

本基于联邦学习和模型剪枝的滚动轴承剩余寿命预测方法在说明书摘要公布了：公开了一种基于联邦学习和模型剪枝的滚动轴承剩余寿命预测方法，步骤为：采集滚动轴承全寿命周期的振动信号；将获取到的样本进行划分、存储和预处理，得到可作为模型输入的序列数据；构建包含多尺度特征拓展模块、深度特征提取模块以及预测模块的预测模型；在联邦学习框架中，使用中心服务器与多个客户端协同训练预测模型，搭配剪枝策略，让模型结构变得轻量化；利用最终得到的轻量级模型进行滚动轴承剩余使用寿命的预测。本发明通过联邦学习为互不共享的分布式数据搭建预测模型，大大提高了各客户端数据的安全性，配合剪枝操作，有效提高了模型的预测效果及推理速度。

本发明授权基于联邦学习和模型剪枝的滚动轴承剩余寿命预测方法在权利要求书中公布了：1.一种基于联邦学习和模型剪枝的滚动轴承剩余寿命预测方法，其特征在于，包括以下步骤： 步骤1，采集滚动轴承全寿命周期的振动信号作为样本； 步骤2，将采集到的所述样本中的一部分作为训练集，以单个样本为基本单位，将训练集的样本存储到多个客户端，并对各客户端的训练集的样本进行预处理，获得作为模型输入的序列数据； 步骤3，构建滚动轴承剩余寿命预测的全局模型，其包括多尺度特征拓展模块、深度特征提取模块以及预测模块，多尺度特征拓展模块包括全连接层FC1、多尺度卷积层MC1、多尺度卷积层MC2和多尺度卷积层MC3，深度特征提取模块包括卷积层C1、卷积层C2、卷积层C3和卷积层C4，预测模块包括全连接层FC2和回归层； 步骤4，在联邦学习框架中，中心服务器与多个客户端协同训练全局模型，基于剪枝策略使全局模型训练成为轻量级预测模型，所述步骤4包括： 步骤4-1设置联邦学习中的最大通信轮数Nround，剪枝的特征个数ɛ，初始预测模型β0； 步骤4-2中心服务器将初始预测模型β0下发给所有客户端； 步骤4-3在每轮的通信迭代中，各个客户端对接收到的模型进行参数更新，并将更新后模型上传至中心服务器，中心服务器对收集到的模型进行聚合形成全局模型； 步骤4-4中心服务器下发全局模型至各个客户端，各客户端对全局模型进行评估，标记出此时预测性能最好的客户端k； 步骤4-5在客户端k上，剪枝掉深度特征提取模块中的ɛ个输出特征，后将剪枝后模型上传至中心服务器，中心服务器再将其下发给所有客户端； 步骤4-6重复执行步骤4-3至步骤4-5步骤，当步骤4-4中全局模型的预测表现开始下降时，或者通信迭代轮数达到Nround时，模型训练过程结束， 其中，步骤4-3中各个客户端对接收到的模型进行参数更新的方法为： 客户端ii=1,2,…,M使用随机梯度下降算法对接收到的模型参数进行更新，即： ， 式中，左侧为第t轮时客户端i更新后的模型参数，δ为各客户端学习率，为损失函数，损失函数为均方误差MSE，其计算公式为： ， 和分别为第j个输入序列数据的真实寿命及预测寿命，Z为一个客户端上的输入序列总数； 步骤5，基于所述轻量级全局模型对同类型的滚动轴承进行剩余寿命预测。

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西安交通大学，其通讯地址为：710049 陕西省西安市咸宁西路28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。