基于动态聚类联邦学习的滚动轴承故障诊断方法

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。