ALC-PFL:基于個性化聯(lián)邦學習的軸承壽命預測方法

摘要： 現(xiàn)有數(shù)據(jù)驅(qū)動下的軸承壽命預測方法往往使用特定工況的數(shù)據(jù)訓練相應工況的模型，忽略了其他工況數(shù)據(jù)所蘊含的有益退化特征，導致模型預測精度受限。為了充分挖掘和利用不同工況下的軸承退化特征，本文提出基于個性化聯(lián)邦學習的軸承壽命預測方法(ALC-PFL)。在該方法中，不同工況軸承的監(jiān)測數(shù)據(jù)被存儲于多個客戶端，一個中心服務器與多個客戶端協(xié)同工作，以模型傳輸、融合和本地更新的方式，為客戶端建立... （共10頁）