CN119474786A 一种基于联邦域泛化的装备故障诊断方法及系统 （西安邮电大学）_第1页
CN119474786A 一种基于联邦域泛化的装备故障诊断方法及系统 （西安邮电大学）_第2页
CN119474786A 一种基于联邦域泛化的装备故障诊断方法及系统 （西安邮电大学）_第3页
CN119474786A 一种基于联邦域泛化的装备故障诊断方法及系统 （西安邮电大学）_第4页
CN119474786A 一种基于联邦域泛化的装备故障诊断方法及系统 （西安邮电大学）_第5页
已阅读5页，还剩22页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于联邦域泛化的装备故障诊断方法本申请公开了一种基于联邦域泛化的装备领域数据分别输入域不变特征学习模块和领域领域不变的特征以及特定领域的特征来训练全2将每个所述源客户端的所述领域数据输入域不变特征学习模块，所将每个所述源客户端的所述领域数据以及所述实际故障特征输入领域特征学习模块，将每个训练后的所述本地模型的参数输入加权聚合模块，得到全将所述待诊断数据输入所述全局模型，所述全局域特征提取器加权聚合模块基于方差最小化策略对所有所述本地模型中所述故障特征提取器的参数进加权聚合模块基于方差最小化策略对所有所述本地模型中所述故障特征提取器的参数进3一次聚合得到的权重和当前的所述最大平均差异确定本次聚合后8.应用权利要求1_7任一项所述的一种基于联邦域泛化的装备故障诊断方法的系统，领域数据获取模块，用于获取多个源客户端的领域数据，每个所述预测领域和所述预测故障与所述领域数据中相应标签的差异对本地模型的参数进行调故障诊断模块，用于将所述待诊断数据输入所述全局模型，所述全局诊断数据的待诊断故障特征，所述全局故障分类器先对所述待诊断故障特征进行初步分4和通用的联邦学习框架，该框架中来自所有源客户端的数据禁止与任何其他客户端通信，现有技术中提出的故障诊断方法所针对的情况与很多实际5将待诊断数据输入全局模型，全局域特征提取器提取待诊断数据的待诊断域特6[0014]图1为本申请实施例提供的一种基于联邦域泛化的装备故障诊断方法的架构图。方便在模型泛化阶段评估不可见域样本和已知域7的特征分布，p(")表示的分布概率，表示x"服从分布概率p(")，D()表示鉴别器从实际故障特征和生成故障特征中提取域不变特征的操作，z"表示为第,c表示相关，"e和表示和与同一个实际故障标签y相关。函数，y"表示第n个源客户端第m个领域数据的实际故障标签，表示第n个源客户端特征，表示和y"之间的差异。8[0031]其中，m为领域数据的标号，表示域特征提取器从中提取的域特[0038]进一步地，为了防止对域不变特征学习模块和领域特征学习模块进行参数聚合9行归一化处理后的结果，是对第n个源客户端的领域数据第r_1次聚合的参数权重m个故障分类器的参数，os表示全局模型中域特征提取器的参数，表示第n个本地模型域特征，全局域分类器根据待诊断域特征确定待诊断域特征与源客户端的域特征的相似取器从x中提取待诊断故障特征的操作，表示第m个全局故障分类器对RA(x)进在表1中说明了源客户端和目标客户端中包含的混合域的四个[0065]在表2中说明了基于域分布[0073]在KAT数据集上任务T1的16个任务中多种方法的定量诊断结果中，得到的结果与在CWRU数据集上得到的结果基本一致。首先，平均准确率比性能最好的比较

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论