一种面向谐波减速器多源不平衡数据的联邦学习故障诊断方法及系统

一种面向谐波减速器多源不平衡数据的联邦学习故障诊断方法及系统,涉及谐波减速器故障诊断技术，针对工业机器人谐波减速器不同故障类别样本数量不平衡，以及单源信号获取信息往往有限，导致诊断准确率不高的问题而提出的。技术要点：该方法对不同用户的多源信号做小波变换构建时频图数据集；利用改进的数据增强方法对不平衡数据集进行均衡处理；引入有效的通道注意力机制，并通过可学习的权重加权残差分支的输出，以增强模型对不同残差信息的适应性和对数据关键特征的提取能力；通过改进的多模态变分自编码器挖掘多源信号之间的互补信息进行特征融合，构建多用户个性化本地模型；服务器聚合本地模型参数并更新模型，通过联邦学习保障用户孤岛隐私数据，从而对多源不平衡数据下谐波减速器进行故障诊断。通过搭建谐波减速器信号采集实验平台进行验证，所提方法能够有效提取多源不平衡数据的特征并实现信息融合，平均故障诊断准确率为98.8％，性能优于所对比的方法。