公开(公告)号：CN115481665A

公开(公告)日：2022-12-16

申请号：CN202211210685.3

申请日：2022-09-30

Applicant: 哈尔滨理工大学

Inventor： 康守强 ,  肖杨 ,  王玉静 ,  王庆岩 ,  梁欣涛 ,  谢金宝 ,  宋显华

IPC: G06K9/00 ,  G06K9/62 ,  G06N20/00 ,  G06N3/04 ,  G06N3/08 ,  G01M13/045

Abstract: 本发明提出一种用于不同规格滚动轴承故障诊断的联邦模型迁移学习方法及系统，涉及滚动轴承故障诊断技术领域，用以解决现有联邦学习方法对于不同规格的滚动轴承的故障诊断效果不佳的问题。本发明方法的技术要点包括：对多个用户振动数据做短时傅里叶变换，构建时频图数据集；各用户训练本地模型并将模型参数上传至服务器，同时引入差值更新和参数稀疏化算法改进联邦学习中本地模型参数传递策略；服务器采用联邦平均算法聚合模型参数并更新本地模型，迭代后建立用于迁移学习的共享模型；提出逐层解冻策略保留共享模型部分参数并发送给每个用户，利用本地数据微调共享模型，获得适用于每个用户的个性化模型。本发明具有较高准确率和良好的泛化性能。