现代制造工程 ›› 2023, Vol. 512 ›› Issue (5): 127-134.doi: 10.16731/j.cnki.1671-3133.2023.05.019

• 设备设计/诊断维修/再制造 • 上一篇    

基于联邦学习和改进多尺度ResNet的故障诊断

殷才茗,王文瑞,鲁方林,姜山,马娜,吴波   

  • 发布日期:2023-06-12
  • 基金资助:
    上海市技术标准项目(19DZ2200600), 上海市浦东新区科技发展基金民生科研专项项目(PKJ2022-C01)

  • Published:2023-06-12

摘要: 鉴于目前滚动轴承故障数据特征不足导致的模型泛化能力有限,且工业上利用深度学习进行故障诊断存在数据隐私泄露和数据孤岛的问题,提出了一种结合联邦学习和改进多尺度ResNet的模型。改进多尺度ResNet在传统残差块基础上增加了一条恒等映射连接和Uout层,增强了信息流动和模型泛化能力。利用联邦学习保护数据隐私的同时,结合改进多尺度ResNet可以提高模型提取故障特征的能力。不同齿轮的故障诊断模型通过第三方聚合参数,在不泄露数据的情况下实现多方联合训练故障特征。试验结果表明,相较于其他方法,所提方法具有更高的准确率和更好的鲁棒性。

关键词: 联邦学习, 故障诊断, 残差神经网络, 数据孤岛

中图分类号: 


版权所有 © 《现代制造工程》编辑部 
地址:北京市东城区东四块玉南街28号 邮编:100061 电话:010-67126028 电子信箱:2645173083@qq.com
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn
访问总数:,当日访问:,当前在线: