首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于动态聚类联邦学习的滚动轴承故障诊断方法 

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!

申请/专利权人:石家庄铁道大学

摘要:本发明公开了一种基于动态聚类联邦学习的滚动轴承故障诊断方法,属于轴承故障诊断方法技术领域。所述方法包括如下步骤:联邦学习系统中的服务器初始化全局深度神经网络模型模型及参数并发放至联邦学习系统中的各个客户端;服务器随机选择若干个客户端,每个客户端动态选择最优簇的模型参数并使用自己的私有数据进行模型的训练;服务器接收每个模型的模型参数并利用推理相似性方法来形成具有相似数据分布的客户端集群;服务器对每个簇中的客户端模型参数进行加权聚合,当达到最大轮次训练结束时,完成故障诊断模型的训练;所述方法能够有效的减少数据异构对联邦学习的影响,加快各节点本地模型收敛速率,且诊断结果更准确。

主权项:1.一种基于动态聚类联邦学习的滚动轴承故障诊断方法,其特征在于包括如下步骤:S1:联邦学习系统中的服务器初始化故障诊断模型及参数,并发放至联邦学习系统中的各个客户端;S2:在每轮训练中,服务器随机选择若干个客户端,每个客户端动态选择最优簇的模型参数并使用自己的私有数据进行故障诊断模型的训练,并将训练好的故障诊断模型的参数上传至服务器;S3:服务器接收每个故障诊断模型的模型参数并利用推理相似性方法来形成具有相似数据分布的客户端集群;S4:服务器对每个簇中的客户端模型参数进行加权聚合,并在下一轮训练中将所有簇的聚合参数发送给每个客户端;S5:当达到最大轮次训练结束时,完成故障诊断模型的训练,否则返回步骤S2;S6:使用训练完的故障诊断模型对原始振动数据进行处理,获得滚动轴承的状态,完成对滚动轴承的诊断。

全文数据:

权利要求:

百度查询: 石家庄铁道大学 基于动态聚类联邦学习的滚动轴承故障诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。