摘要
本发明提供一种动车组运行故障智能识别方法,包括:步骤1,各动车段/所基于全局参数服务器下发的全局故障识别模型训练本地模型,并将模型参数上传给所属路局参数服务器;步骤2,各路局参数服务器聚合所属动车段/所的模型参数并将新的模型参数广播到所属工作节点;步骤3,主数据中心参数服务器提取各路局的模型参数,基于联邦平均方法进行聚合更新,更新后广播给各个路局,分发给对应的所属动车段/所。本方法将联邦学习方法应用于动车组运行故障动态图像检测系统,改变传统的人工阅检方式,实现故障的自动识别,使得参与方相较于仅依赖自身数据进行训练的模型,能实现检测精度较高增长。
技术关键词
动车组运行故障
智能识别方法
数据中心
动车组运行图像
参数
服务器
识别模型训练
非暂态计算机可读存储介质
联邦学习方法
节点
转向架
处理器
精度
底板