一种基于分布式因果发现与联邦学习的故障诊断模型构建方法

本发明涉及故障诊断技术领域，具体是一种基于分布式因果发现与联邦学习的故障诊断模型构建方法。本发明通过获取含观测变量和代理变量统计关联信息的协方差张量，结合引入代理变量的联邦因果发现方法得到全局因果图，再将转化的因果强度矩阵嵌入图卷积神经网络，最终用融合Ditto算法的FedAvg框架训练出个性化与全局诊断模型。该方法能在保护数据隐私的同时，有效处理分布式异构数据，通过挖掘变量间因果关系提升模型可解释性，兼顾全局共性与客户端个性需求，显著提高故障诊断的准确性和泛化能力，尤其适用于工业轴承等需处理分散敏感数据场景的故障诊断。