一种联邦学习与深度学习融合驱动的设备故障诊断方法

摘要

本发明公开了一种联邦学习与深度学习融合驱动的设备故障诊断方法，包括下述步骤：S1.设置能够运行在各可信工厂的分布式训练子端LSTM故障诊断模型；S2.对各可信工厂数据进行重采样、EMD分解、标签化和正规化等预处理；S3.在每个可信工厂上进行分布式训练子端LSTM故障诊断模型的训练；S4.中间训练模型底层参数上传给中心服务器；S5.中心服务器进行模型底层参数的聚合计算并分发到各分布式训练子端LSTM故障诊断模型进行更新；S6.完成全局共享联邦学习与深度学习融合驱动的设备故障诊断模型的训练。本发明维护工厂的数据安全与生产数据隐私，提高故障诊断的准确率，实现关键设备故障数据的隐私保护和可靠分类诊断。