【技术实现步骤摘要】
一种基于联邦学习的产品质量预测系统
[0001]本专利技术涉及产品质量预测
，尤其涉及一种基于联邦学习的产品质量预测系统。
技术介绍
[0002]随着制造业的发展进步，制造企业的产品生产过程愈发复杂，超出了一般的统计规则，因此传统的统计方法面对生产实际陷入了困境。通过建立模型对产品进行质量预测是产品质量控制的重点内容。
[0003]在生产实际中，通常会通过整合多个来源的数据以更好地进行质量预测分析。随着全球各个国家隐私保护条例的实行，在跨单位、跨产线、多环节的智能制造领域，各组织机构希望保护数据资产，形成了严重的数据孤岛问题。数据孤岛和各种隐私保护条例的实施使得整合多个来源的数据进行研究更为困难。现有技术无法在数据隐私保护的前提下对产品质量进行准确预测。
技术实现思路
[0004]鉴于上述的分析，本专利技术实施例旨在提供一种基于联邦学习的产品质量预测系统，用以解决现有的产品质量预测联合训练系统无法保护数据的隐私性的问题。
[0005]本专利技术实施例提供了一种基于联邦学习的产品质量预测系...
【技术保护点】
【技术特征摘要】
1.一种基于联邦学习的产品质量预测系统，其特征在于，包括服务器和设置于多个生产线的客户端；其中，所述服务器，用于向各生产线客户端发送初始产品质量预测模型以及融合后的模型参数；所述融合后的模型参数基于各生产线客户端发送的模型参数融合得到；所述生产线客户端包括：多个传感器，用于采集本生产线的产品制造过程数据；训练集构建模块，用于获取本生产线的传感器数据，对所述传感器数据进行特征提取，构建本地输入特征矩阵，根据所述本地输入特征矩阵和本生产线的产品质量标签构建本地训练集；模型训练模块，用于获取初始产品质量预测模型，基于所述本地训练集采用前向传播的联邦训练方法对所述产品质量预测模型进行训练；将训练过程中的模型参数加密发送至服务器，并根据所述融合后的参数更新本地产品质量预测模型；在满足训练要求时停止训练得到训练好的产品质量预测模型；产品质量预测模块，用于基于所述训练好的产品质量预测模型，对待预测产品进行质量预测。2.根据权利要求1所述的基于联邦学习的产品质量预测系统，其特征在于，所述传感器包括内部传感器和外部传感器，所述内部传感器用于采集制造生产线的内部设备信息；所述外部传感器用于采集制造生产线的外部环境信息。3.根据权利要求1所述的基于联邦学习的产品质量预测系统，其特征在于，所述产品质量预测模型包括依次连接的输入层、隐藏层和输出层；所述隐藏层包括LSTM网络层。4.根据权利要求1所述的基于联邦学习的产品质量预测系统，所述服务器根据以下公式对所述模型参数进行融合：其中，N
i
为第i个生产线客户端的训练样本量，θ
i
′
为第i个生产线客户端的更新参数，θ表示融合后的参数，n表示生产线客户端数量。5.根据权利要求3所述的基于联邦学习的产品质量预测系统，其特征在于，所述模型参数包括LSTM网络层的隐状态、细胞状态和更新参数，所述模型训练模块包括：历史隐状态获取模块，用于各生产线客户端从服务器获得其所有上游生产线客户端上一时刻的隐状态；将所述上游生产线客户端上一时刻的隐状态与本生产线客户端上一时刻的隐状态聚合，得到历史隐状态信息；历史细胞状态获取模块，用于各生产线客户端从服务器获得其最接近上游生产线客户端的上一时刻的细胞状态；将所述最接近上游生产线客户端的上一时刻的细胞状态与本生产线客户端上一时刻的细胞状态聚合，得到历史细胞状态信息；模型参数获取模块，用于基于所述历史隐状态信息、所述历史细胞状态信息和本地训练集，计算得到当前时刻本生产线客户端LSTM网络层的隐状态、细胞状态以及所述产品质量预测模型的输出结果；基于所述模型质量预测模型的输出结果和质量标签计算所述产品质量预测模型的更新参数
模型参数发送模块，用于将所述当前时刻本生产线客户端LSTM网络层的隐状态、细胞状态和所述更新参数发送至服务器。6.根据权利要求1所述的基于联邦学习的产品质量预测系统，其特征在于，所述训练集构建模块包括初始特征提取模块、基尼系数计算模块和特征矩阵构建模块；所述服务器包括共有特征提取模块和最终特征确定模块；所述初始特征提取模块，用于各生产线客户端对所述传感器数据进行特征提取，将提取的特征信息采用加密方式发送给服务器；所述共有特征提取模块，用于根据各生产线客户端发送的特征信息提取各生产线客户端的共有特征，并通过加密的方式发送给...
【专利技术属性】
技术研发人员：张莉，韩晓旭，贾航，葛宁，刘怡，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。