一种基于个性化联邦学习的故障诊断模型优化方法

    公开(公告)号:CN116029367A

    公开(公告)日:2023-04-28

    申请号:CN202211673158.6

    申请日:2022-12-26

    Abstract: 一种基于个性化联邦学习的故障诊断模型优化方法,本发明涉及航空发动机振动信号故障诊断技术中,数据不充分导致的数据孤岛问题以及传统联邦学习缺乏个性化解决方案的问题。联邦学习通过服务器聚合各客户端训练的本地模型,平均后再下发至各客户端,在航空航天领域故障诊断方面有广阔的发展前景。然而联邦学习在高度异构的数据上收敛效果差,且下发至各客户端的全局模型缺乏个性化,导致振动故障诊断的效果不理想。为改善这一问题,本发明提出了一种基于知识蒸馏的个性化联邦学习方法。实验表明,该方法能够有效的解决各客户端数据异构导致模型收敛性差的问题,为各客户端训练独特的个性化模型。本发明应用于客户端数据异构情况下的故障诊断。

Patent Agency Ranking