申请/专利权人:四川启睿克科技有限公司
申请日:2022-11-25
公开(公告)日:2023-03-14
公开(公告)号:CN115795306A
主分类号:G06F18/214
分类号:G06F18/214;G06N20/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.03.31#实质审查的生效;2023.03.14#公开
摘要:本发明公开了一种基于联邦学习和迁移学习的设备故障预测模型构建方法,该方法通过联邦横向学习算法在设备使用企业本地进行模型训练,避免了企业生产数据泄露,保护了企业数据安全性和隐私性的同时解决了设备生产企业数据收集困难、数据精度低的问题,得到基础预测模型,并通过迁移学习在基础模型的基础上根据不同生产场景提供的训练数据进行进一步的拟合和调整,提升了预测模型在不同生产场景的预测精度。
主权项:1.一种基于联邦学习和迁移学习的设备故障预测模型构建方法,其特征在于,包括以下步骤:S1、建立客户端-服务器的联邦学习架构在设备管理端建立中心服务器、设备使用端建立客户端服务器,客户端服务器数量大于等于2;在完成模型参数初始化后,各客户端服务器在中心服务器进行模型下载;S2、模型训练客户端服务器利用完成数据标注后的设备运行参数和运行状态数据,对初始化模型开始模型训练,完成梯度计算和参数更新;当满足误差条件TTmin1时,停止训练并将训练所得参数数据上传至中心服务器,其中Tmin1为预设值;S3、模型更新在收到各客户端服务器提交的数据后,中心服务器对参数进行聚合并更新模型;S4、完成训练在接收更新参数的同时,中心服务器从客户端等比例抽取对照数据,组合成为测试数据集;判断更新后的整体模型能后满足误差条件TTmin2,其中Tmin2为预设值;若满足,整体模型的更新结束,中心服务器将整体模型进行存储并发送至各客户端服务器;若不满足,中心服务器将整体模型进行存储并发送至各客户端服务器,客户端服务器接收模型后,开始S2及后续步骤,直至满足误差条件TTmin2,更新结束,中心服务器将整体模型进行存储并发送至各客户端服务器。
全文数据:
权利要求:
百度查询: 四川启睿克科技有限公司 一种基于联邦学习和迁移学习的设备故障预测模型构建方法
免责声明
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。