公开(公告)号：CN119249259A

公开(公告)日：2025-01-03

申请号：CN202411090585.0

申请日：2024-08-09

Applicant: 上海大学

Inventor： 刘丽兰 ,  闫振豪 ,  潘坚初 ,  刘颖林 ,  高增桂 ,  赵凯 ,  于文花

IPC: G06F18/2415 ,  G06F18/2131 ,  G01M13/045 ,  G06N3/0464 ,  G06N3/047 ,  G06F123/02

Abstract: 本发明属于跨设备故障诊断技术领域，具体公开了一种基于多源域数据知识的跨设备诊断方法、电子设备及存储介质，其方法包括以下步骤：S1、采集不同工况下轴承各种状态的振动信号；S2、采用等窗划分将振动信号分割成一定数量的样本；S3、构建基于多组源域数据协同训练的网络模型，用于样本的跨设备诊断；所述网络模型包括具有相同网络结构的多层残差块结构和三个独立任务分类器；所述残差块结构通过自定义阈值均衡模块构建对抗结构，用于提高网络表征性能；所述分类器用于多设备同一类别数据内模糊故障样本的识别。

公开(公告)号：CN119250130A

公开(公告)日：2025-01-03

申请号：CN202411192991.8

申请日：2024-08-28

Applicant: 上海大学

Inventor： 刘丽兰 ,  闫振豪 ,  潘坚初 ,  刘颖林 ,  高增桂 ,  赵凯 ,  于文花

IPC: G06N3/0475 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/096 ,  G06N3/098 ,  G06N3/09 ,  G06F17/10

Abstract: 本发明涉及计算机深度学习技术领域，公开了一种基于客户端样本熵感知和联邦迁移学习的网络模型训练方法，该方法是将待训练的网络模型分别搭载在中央服务器和多个源客户端中，采用训练样本对搭载在源客户端中的本地模型进行训练，得到训练后本地模型；搭载在中央服务器中的全局模型根据接收的本地网络模型参数更新全局模型网络参数；然后将更新后的全局模型下载到各个源客户端中，采用验证样本集对下载至每个源客户端中的更新后的全局模型进行任务验证，并根据验证损失对全局模型网络参数进行优化，得到更新全局模型；将更新全局模型下载到每个源客户端，采用验证样本集对下载至每个源客户端的更新全局模型进行任务验证，任务验证完成后，根据每个源客户端中所述更新训练后本地模型、更新全局模型的任务验证性能来更新所述更新训练后本地模型的网络参数；重复上述步骤直至全局模型达到更新预设值或预设性能，完成全局模型训练。