一种双原型引导的联邦通用域自适应故障诊断方法及应用

本发明公开了一种双原型引导的联邦通用域自适应故障诊断方法及应用，本发明先将全局模型下发至每个源客户端进行本地训练，每轮本地训练结束将本地模型上传至服务器端进行模型聚合，将聚合后的模型重新下发至源客户端进行下一轮本地训练或目标客户端进行故障诊断。本发明在源客户端利用构建好的双原型进行双原型对比学习，构建清晰的类别决策边界，减少客户端因特征分布空间和标签空间差异引起的全局模型聚合负迁移问题。另外采用闭集分类器和二元分类器的层次化混合分类器未知类拒绝策略，对故障识别进行已知类别和未知类别的划分，本发明解决了联邦场景下的通用域自适应故障诊断难题，提高机械故障诊断的实用性和有效性。