燕山大学李继猛获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉燕山大学申请的专利一种基于个性化联邦学习的滚动轴承剩余寿命预测方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119783565B 。
龙图腾网通过国家知识产权局官网在2025-06-24发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510285952.0,技术领域涉及:G06F30/27;该发明授权一种基于个性化联邦学习的滚动轴承剩余寿命预测方法是由李继猛;杨碧馨;钟赛;张金凤;孟宗设计研发完成,并于2025-03-12向国家知识产权局提交的专利申请。
本一种基于个性化联邦学习的滚动轴承剩余寿命预测方法在说明书摘要公布了:本发明公开了一种基于个性化联邦学习的滚动轴承剩余寿命预测方法,属于滚动轴承剩余寿命预测领域,该方法将不同运行工况下采集到的滚动轴承全生命周期振动数据存储于多个客户端,一个服务器与多个客户端协同工作,为客户端建立个性化预测模型。在服务器端采用动态加权联邦聚合策略将多个客户端聚合成一个全局模型,提升聚合全局模型对多工况数据的感知能力;在客户端采用对抗训练和自适应融合策略,将服务器聚合的全局模型与本地模型进行有效融合,提升本地模型的泛化能力。客户端本地模型采用多尺度卷积与门控循环单元并行交叉注意特征提取模块,以捕获数据中的时空特征信息。本发明能够提升不同工况下滚动轴承的剩余寿命预测精度和泛化性能。
本发明授权一种基于个性化联邦学习的滚动轴承剩余寿命预测方法在权利要求书中公布了:1.一种基于个性化联邦学习的滚动轴承剩余寿命预测方法,其特征在于:包括如下步骤: S1、采集滚动轴承在不同运行工况下的全生命周期振动数据; S2、将不同运行工况的滚动轴承全生命周期振动数据存储于不同的客户端,在每个客户端将采集到的全生命周期振动数据利用连续小波变换转换为二维图像,来构造训练数据集、验证数据集和测试数据集; S3、利用训练数据集和验证数据集对客户端本地模型进行初始化训练,并将训练后的客户端本地模型参数上传服务器端; S4、在服务器端采用动态加权联邦策略对多个客户端的上传模型参数进行聚合,得到全局模型,并将聚合后的全局模型参数下发至各个客户端; S5、在客户端采用对抗训练和参数自适应融合策略,将聚合后的全局模型参数与客户端本地模型参数进行融合,并利用训练数据集对本地模型参数进行微调; 参数自适应融合策略是将对抗训练得到的更新后的全局多尺度卷积和门控循环单元并行交叉注意特征提取模块参数与客户端本地多尺度卷积和门控循环单元并行交叉注意特征提取模块参数进行加权融合,得到一个新的多尺度卷积和门控循环单元并行交叉注意特征提取模块参数的计算公式如下 其中,是自适应融合系数,是第k个客户端本地模型的验证损失; 其中,多尺度卷积和门控循环单元并行交叉注意特征提取模块,由两个并行分支和一个交叉注意力模块构成,所述并行分支中的第一个分支由一个多尺度卷积模块和一个通道注意力模块串联构成,所述并行分支中的第二个分支由三层门控循环单元依次串联构成,所述两个并行分支的输出经过交叉注意力模块进行特征融合,用于对输入数据样本进行时空特征提取; S6、利用训练好的客户端本地模型对本地测试数据集进行分析,从而得到测试轴承的剩余寿命预测结果。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人燕山大学,其通讯地址为:066004 河北省秦皇岛市海港区河北大街438号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。