基于双对齐联邦度量学习的无人机跨工况故障诊断方法

本发明涉及无人机故障诊断技术领域，具体涉及了一种基于双对齐联邦度量学习的无人机跨工况故障诊断方法。包括步骤：服务器初始化全局模型；客户端基于本地数据计算分类损失，利用聚类锚点和无偏锚点优化度量学习损失、特征对齐损失，更新本地模型，并通过无偏锚点计算分类器对齐损失优化分类器；客户端计算特征锚点，并将锚点与本地模型上传至服务器；服务器利用无参数聚类算法对特征锚点进行聚类获得每个类的聚类锚点，将每个聚类簇中的锚点取平均值得到每个类别的无偏锚点，并加权平均所有本地模型，更新全局模型；重复以上过程迭代至收敛。本发明通过双对齐机制和联邦度量学习，解决了无人机故障诊断中的特征异构问题和模型泛化能力差的挑战。