一种基于子域自适应联邦迁移学习的设备故障诊断方法

本发明公开了一种基于子域自适应联邦迁移学习的设备故障诊断方法，利用多源域、目标域工厂子端对设备故障数据进行采集并归一化，作为各源域工厂子端的深度学习诊断模型的输入，进行训练、参数调整；将训练完成的深度学习诊断模型的参数上传至中心服务器进行中心聚合，生成全局深度学习诊断模型；提取设备故障数据特征进行融合、对齐，并进行自适应权重调整、迭代训练；迭代训练次数小于设定的Epoch值，反向更新全局深度学习诊断模型的训练参数并返回；迭代训练次数不小于设定的Epoch值，迭代训练完成后进行权重选择，对全局深度学习诊断模型进行训练得到迁移模型和个性诊断模型；采集设备的故障数据，输入迁移模型和个性诊断模型进行诊断。