一种基于数据与机理混合驱动的设备智能故障诊断方法

文档序号:37154003发布日期:2024-02-26 17:12阅读:来源:国知局

技术特征:

1.一种基于数据与机理混合驱动的设备智能故障诊断方法,其特征在于,包括以下步骤:

2.如权利要求1所述的基于数据与机理混合驱动的设备智能故障诊断方法,其特征在于,在步骤2中,使用源域数据对局部模型进行训练包括以下步骤:

3.如权利要求2所述的基于数据与机理混合驱动的设备智能故障诊断方法,其特征在于,在步骤2中,重构损失计算如下:

4.如权利要求3所述的基于数据与机理混合驱动的设备智能故障诊断方法,其特征在于,在步骤2中,反馈损失计算如下:

5.如权利要求4所述的基于数据与机理混合驱动的设备智能故障诊断方法,其特征在于,在步骤2中,分类损失计算如下:

6.如权利要求5所述的基于数据与机理混合驱动的设备智能故障诊断方法,其特征在于,在步骤3中,依据wasserstein距离函数更新局部模型中特征提取器和分类器的参数。

7.如权利要求6所述的基于数据与机理混合驱动的设备智能故障诊断方法,其特征在于,在步骤4中,对全局模型的特征提取器和分类器的参数更新的方法包括以下步骤:

8.如权利要求7所述的基于数据与机理混合驱动的设备智能故障诊断方法,其特征在于,在步骤5中,任务验证损失计算如下:

9.一种电子设备,包括一个或多个处理器;还包括存储装置,其上存储有一个或多个程序,其特征在于,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一所述的智能故障诊断方法。

10.一种微控单元,其特征在于,载有能执行权利要求1-8任一所述的智能故障诊断方法的控制协议或程序。


技术总结
本发明属于联邦学习技术领域,公开一种基于数据与机理混合驱动的设备智能故障诊断方法,包括以下步骤:步骤1,每个源客户端对局部模型进行初始化操作;步骤2,使用源域数据对局部模型进行训练;步骤3,使用过渡数据对局部模型进行训练;步骤4,中心服务器根据局部模型对全局模型的特征提取器和分类器的参数更新;步骤5,使用全局模型对源客户端任务进行反向验证,使用任务验证损失更新该源客户端中局部模型;步骤6,循环步骤2‑5达到设定次数。本发明提供了一种能够减轻域差异引起的协变量漂移,并纠正网络关注区域的基于数据与机理混合驱动的设备智能故障诊断方法,提高诊断目标任务的准确率。

技术研发人员:刘丽兰,闫振豪,农伟平,潘坚初,高增桂,赵凯,于文花
受保护的技术使用者:上海大学
技术研发日:
技术公布日:2024/2/25
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1