基于SL框架的多模型交互式故障诊断方法、设备及介质技术

本发明专利技术提供一种基于SL框架的多模型交互式故障诊断方法、设备及存储介质，其包括对采集到的数据进行预处理；搭建DSL网络模型，其中，DSL网络模型包括CNN网络、小波CNN网络以及滤波器CNN网络；将训练数据集的数据通过节点1、2、3分别输入DSL网络模型进行训练；随机选择一个节点A作为中央服务器决策者；节点B、C将其模型参数传递给决策者，由决策者整合模型并分发模型；判断是否达到训练次数，如是，则使用测试数据集对训练好的DSL网络模型进行测试，并给出机械部件的故障诊断结果。本发明专利技术可以解决现有技术中模型结构相同、存在着数据泄露等问题，将不同的训练节点使用不同的模型，通过不同的模型来实现数据信息的交互，进一步提高了数据的隐私性。

【技术实现步骤摘要】

本专利技术涉及机械故障检测，具体涉及一种基于sl框架的多模型交互式故障诊断方法，还涉及一种实现上述方法的计算机设备以及存储介质。

技术介绍

1、随着现代机械设备向着高速化、精密化和智能化方向发展，机械设备的故障诊断日益受到高度重视。机械设备运行的过程中，其主要零部件诸如轴承、齿轮、转子等由于持续承受载荷的作用，容易发生故障，进而造成经济损失与人员伤亡。为了降低由于机械设备故障带来的损失，有必要开展针对机械设备的故障诊断和状态监测研究。

2、现有的技术智能诊断算法主要载体是联邦学习(fl)，联邦机器学习是一个机器学习框架，利用fl的框架在不进行数据交流的情况下实现数据信息的聚合，能有效帮助多个机构在满足用户隐私保护、数据安全和政府法规的要求下，进行数据使用和机器学习建模。swarm learning(群体学习，sl)，一种分散的机器学习方法，在拥有fl全部优点的情况下，它将边缘计算、基于区块链的对等网络和协调结合在一起，同时保持机密性，而不需要中央协调员，降低了通信成本，且提高了结构的稳定性，因此超越了联合学习。

3、针对数据不足的问本文档来自技高网...

【技术保护点】

1.一种基于SL框架的多模型交互式故障诊断方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的方法，其特征在于：

3.根据权利要求1所述的方法，其特征在于：

4.根据权利要求3所述的方法，其特征在于：

5.根据权利要求4所述的方法，其特征在于：

6.根据权利要求2所述的方法，其特征在于：

7.根据权利要求1至6任一项所述的方法，其特征在于：

8.根据权利要求2所述的方法，其特征在于：

9.一种电子设备，其特征在于，包括：

10.一种存储介质，其特征在于，所述存储介质上存...

【技术特征摘要】

1.一种基于sl框架的多模型交互式故障诊断方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的方法，其特征在于：

3.根据权利要求1所述的方法，其特征在于：

4.根据权利要求3所述的方法，其特征在于：

5.根据权利要求4所述的方法，其特征在于：

6.根据权利要求2所述的方法，其特征在于：<...

【专利技术属性】
技术研发人员：孙士龙，黄昊东，徐文福，
申请(专利权)人：哈尔滨工业大学深圳哈尔滨工业大学深圳科技创新研究院，
类型：发明
国别省市：