摘要
本发明涉及一种基于分层聚合机制的有监督联邦迁移滚动轴承故障诊断方法及系统,包括:步骤1、将源域数据集和目标域数据集均划分成训练数据集和测试数据集两种类型进行均值为0、方差为1的标准化处理;步骤2、在客户端构建基于卷积神经网络的轴承故障诊断本地模型;步骤3、将与目标域诊断任务相关的轴承数据集作为源域数据集;步骤4、更新轴承故障诊断本地模型的特征提取模块和分类模块;步骤5、客户端基于分层聚合机制再次更新轴承故障诊断本地模型的相应参数;步骤6、重复步骤4和步骤5,直至轴承故障诊断本地模型收敛或达到最大迭代次数,输出各客户端的数据故障诊断结果。该方法为联邦客户端建立个性化的故障诊断模型提供了有效方案。
技术关键词
轴承故障诊断
客户端
特征提取模块
参数
分层
故障诊断模型
数据故障诊断
中心服务器
机制
随机梯度下降
故障特征提取
计算机模块
样本
滚动轴承
故障类别
算法
策略
系统为您推荐了相关专利信息
自动备份装置
客户端
文件夹
网络存储服务器
服务端
高精度抛光方法
驻留时间分布
单晶硅
误差参数
面形误差
多臂赌博机
神经网络模型
服务质量数据
服务系统
服务质量评估
新能源汽车电池
退化机制
智能监测方法
电池荷电状态
损耗特征
特征匹配网络
图片
缺陷检测方法
条件生成对抗网络
随机噪声