基于改进联邦学习和混合CNN-LSTM的装备故障诊断方法

本发明公开了一种基于改进联邦学习和混合CNN‑LSTM的装备故障诊断方法，包括构建基于混合CNN‑LSTM的全局故障诊断模型，并将其分别部署至若干客户端中；根据监测时序数据定义故障监测特征数据与故障类型标签，以获取包括若干故障类型标签的监测数据样本集；通过监测数据样本集分别对部署至各客户端中的全局故障诊断模型进行模型训练，并结合改进联邦学习算法获取最优全局故障诊断模型；通过最优全局故障诊断模型实现本地装备的故障诊断。解决了现有的方法存在无法有效捕获数据在时序上的特征，导致无法对数据进行分类来实现装备故障诊断，且还存在无法有效提取来自数据量较小客户端的信息，可能忽略了包含的关键信息造成装备故障诊断精度低的问题。