一种基于联邦学习的分布式制造过程质量监测方法及系统技术方案

本发明专利技术提供一种基于联邦学习的分布式制造过程质量监测方法及系统，将联邦学习用于训练制造过程监测模型；使用联邦学习算法可以避免调取客户的制造过程数据，尤其是制造工艺数据，进而让更多的客户愿意参与进来，提高训练样本的广度，提高模型精度和泛化能力；结合联邦学习与统计学方法，加速制造过程质量监测模型训练过程的同时，兼顾企业个性化的制造过程。采用注册授权和同态加密的安全保障方式，避免原始数据泄露，保障数据安全；使用余弦校验方式，避免聚合服务器的模型精度受质量不高的客户端模型污染，也避免服务器端受到恶意的投毒攻击，提高模型精度和收敛速度；采用分布式训练，将模型训练任务分散到各个客户端中进行，提高了训练效率。提高了训练效率。提高了训练效率。

【技术实现步骤摘要】
一种基于联邦学习的分布式制造过程质量监测方法及系统


[0001]本专利技术属于制造过程监测领域，更具体地，涉及一种基于联邦学习的分布式制造过程质量监测方法及系统。

技术介绍

[0002]随着企业数字化升级的技术基础逐步成熟，中国制造业产业升级的需求越来越迫切，越来越多的企业关注制造过程的质量监测。希望通过制造过程监测提高制造过程的质量稳定性，并及早发现制造异常，减少损失。但是目前制造过程质量监测的应用面临两大难题。首先是训练模型的数据量需要长时间积累，企业制造过程中的数据大都严格保密，服务商很难将各企业的数据拿出来集中训练模型。其次是个性化的制造场景，由于各制造企业的产品不尽相同，工艺参数和加工设备也有一定差别，所以过程质量监测模型往往只能用于特定的用户，才能满足监测精度的要求。所以现有的制造过程监测模型大都在每个企业收集数据，对数据进行归类和标记，用企业自己的数据训练好模型后再用于企业，需要长时间的收集和训练，而且过程中也没有产出对整个行业都有价值的模型。综上所述，制造过程质量监测模型的训练方法有待于进一步发展和改进。r/>
技术实现思路
<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于联邦学习的分布式制造过程质量监测方法，其特征在于，包括如下步骤：中心服务器构建制造过程监测模型，并将制造过程监测模型下发给认证通过的N个客户端，以便各个客户端根据获取的关联制造企业的制造过程数据对所述制造过程监测模型进行训练，且在训练过程中通过同态加密算法对制造过程数据和制造过程监测模型进行加密，避免制造过程数据和制造监测模型被反向推理，以对各个制造企业的制造过程数据保密；在制造过程监测模型训练完成后，得到训练后的制造过程监测模型；以及将训练后的制造过程监测模型通过可信信道发送给中心服务器；一个客户端关联一家制造企业，N个客户端关联的N家制造企业采用同类型的制造工艺；所述制造过程监测模型用于依据监测制造过程的数据，监测制造过程的质量；N为大于1的整数；所述中心服务器接收N个客户端发送的训练后的制造过程监测模型，并验证接收到的制造过程监测模型与中心服务器内原始制造过程监测模型的余弦相似度，将原始制造过程监测模型与接收到的余弦相似度高于预设值的制造过程监测模型聚合，得到全局制造过程监测模型，实现对N家制造企业制造过程数据的联邦学习；所述中心服务器判断所述全局制造过程监测模型是否收敛，若未收敛，则将其发送给各个客户端，以便各个客户端对全局制造过程监测模型继续进行训练，直至在中心服务器重新聚合得到的模型收敛；所述中心服务器收敛后的全局制造过程监测模型发送给各个客户端，以便各个客户端通过收敛的全局过程监测模型，结合其关联制造企业制造过程的数据对其关联制造企业的制造过程质量进行监测。2.根据权利要求1所述的方法，其特征在于，所述制造过程监测模型包括：第一模块和第二模块；所述第一模块基于深度学习算法从制造过程数据中截取具有代表性的关键数据段；所述第二模块先基于特征提取算法从所述关键数据段中提取制造过程的多个特征值，随后基于深度学习算法对所述多个特征值进行训练，得到多个特征值对应的加工特征值，所述加工特征值与制造过程质量存在对应关系，能够反映制造过程质量。3.根据权利要求1或2所述的方法，其特征在于，所述中心服务器验证接收到的制造过程监测模型与中心服务器内原始制造过程监测模型的余弦相似度cos(u
i
,s)，计算公式为：其中，s为中心服务器，u
i
为第i个客户端，cos(u
i
,s)为中心服务器原始模型与第i个客户端训练得到模型的余弦相似度；当余弦相似度低于预设参数β，则放弃聚合对应客户端训练得到的模型；中心服务器中通过加权平均算法，生成全局制造过程监测模型w
t
；聚合过程采用的加权平均法公式为：其中，p
ui
为第i个客户端训练得到模型的权重值。4.一种基于联邦学习的分布式制造过程质量监测方法，其特征在于，包括如下步骤：客户端分别获取预设时间段内其关联制造企业制造过程的数据；所述客户端为N个，每个客户端关联一家制造企业，共关联N家制造企业，所述N家制造企业采用同类型的制造工艺；N为大于1的整数；
客户端接收中心服务器下发的待训练的制造过程监测模型；客户端根据获取的制造过程数据对所述制造过程监测模型进行训练，且在训练过程中通过同态加密算法对制造过程数据和制造过程监测模型进行加密，避免制造过程数据和制造监测模型被反向推理，以对其关联制造企业的制造过程数据保密；在制造过程监测模型训练完成后，得到训练后的制造过程监测模型；客户端将训练后的制造过程监测模型通过可信信道发送给中心服务器，以便中心服务器验证接收到的各个客户端训练后的制造过程监测模型与中心服务器内原始制造过程监测模型的余弦相似度，并将原始制造过程监测模型与接收到的余弦相似度高于预设值的制造过程监测模型聚合，得到全局制造过程监测模型，实现对N家制造企业制造过程数据的联邦学习；判断所述全局制造过程监测模型是否收敛，若未收敛，则将其发送给各个客户端，以便各个客户端对全局制造过程监测模型进行训练，直至在中心服务器重新聚合得到的模型收敛；客户端接收中心服务器下发的未收敛的全局制造过程监测模型，并结合全局制造过程监测模型更新其本地训练后的制造过程监测模型，并对更新后的本地制造监测模型继续进行训练，并将训练后的制造监测模型发送给中心服务器，直至中心服务器聚合得到的全局制造监测模型收敛；客户端接收中心服务器下发的收敛的全局制造过程监测模型，通过所述收敛的全局过程监测模型，结合其关联制造企业制造过程的数据对其关联制造企业的制造过程质量进行监测。5.根据权利要求4所述的方法，其特征在于，还包括如下步骤：客户端确定第三方可信机构公开的公钥和签名方案，并根据所述签名方案、公钥以及客户端的信息生成对应的客户端公私密钥对；所述客户端将其生成的公钥发送给所述第三方可信机构，以便第三方可信机构根据收到的客户端的公钥为每个客户端生成用第三方可信机构私钥签名的...

【专利技术属性】
技术研发人员：刘涛，丁鹏，李炜，罗博，陈晋阳，曹杰，贾评家，
申请(专利权)人：武汉恒力华振科技有限公司，
类型：发明
国别省市：