买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉哈尔滨理工大学申请的专利一种用于不同规格滚动轴承故障诊断的联邦模型迁移学习方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115481665B 。

龙图腾网通过国家知识产权局官网在2026-01-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211210685.3，技术领域涉及：G06F18/20；该发明授权一种用于不同规格滚动轴承故障诊断的联邦模型迁移学习方法及系统是由康守强;肖杨;王玉静;王庆岩;梁欣涛;谢金宝;宋显华设计研发完成，并于2022-09-30向国家知识产权局提交的专利申请。

本一种用于不同规格滚动轴承故障诊断的联邦模型迁移学习方法及系统在说明书摘要公布了：本发明提出一种用于不同规格滚动轴承故障诊断的联邦模型迁移学习方法及系统，涉及滚动轴承故障诊断技术领域，用以解决现有联邦学习方法对于不同规格的滚动轴承的故障诊断效果不佳的问题。本发明方法的技术要点包括：对多个用户振动数据做短时傅里叶变换，构建时频图数据集；各用户训练本地模型并将模型参数上传至服务器，同时引入差值更新和参数稀疏化算法改进联邦学习中本地模型参数传递策略；服务器采用联邦平均算法聚合模型参数并更新本地模型，迭代后建立用于迁移学习的共享模型；提出逐层解冻策略保留共享模型部分参数并发送给每个用户，利用本地数据微调共享模型，获得适用于每个用户的个性化模型。本发明具有较高准确率和良好的泛化性能。

本发明授权一种用于不同规格滚动轴承故障诊断的联邦模型迁移学习方法及系统在权利要求书中公布了：1.一种用于不同规格滚动轴承故障诊断的联邦模型迁移学习方法，其特征在于，包括以下步骤： 本地数据集及本地模型构建：选取不同型号滚动轴承振动数据作为各用户本地数据集，并通过短时傅里叶变换得到用户本地时频图样本集；利用本地时频图样本集训练卷积神经网络得到多个用户本地模型； 共享模型构建：利用改进参数传递策略，用户将训练好的本地模型参数上传至服务器，服务器使用联邦平均算法聚合用户上传的参数并更新本地模型，不断重复此过程直至达到最大联邦迭代次数，得到用于迁移学习的共享模型；所述改进参数传递策略为：引入一种参数稀疏化算法改进联邦学习过程中参数传递策略，以解决用户上传参数时的隐私泄露；包括： 用户使用本地数据训练好本地模型后，按层计算本轮初下发的全局模型参数与本轮训练好的本地模型参数差值，每一层的差值为一个矩阵，得到差值矩阵；用户本地生成一个和模型参数同样大小的矩阵，矩阵由0、1组成，1的个数由事先规定好的参数稀疏化度决定，得到参数稀疏化矩阵；将差值矩阵与参数稀疏化矩阵对应位置相乘得到新的差值矩阵；将新的差值矩阵发送给服务器，服务器收集所有用户的差值矩阵取其平均数，加到上一轮的全局模型参数矩阵上，形成下一轮的全局模型； 个性化模型构建：服务器将用于迁移学习的共享模型发送至各用户，根据逐层解冻策略决定保留共享模型哪些层参数，并使用本地数据集对共享模型微调，得到适用于用户本地数据集的个性化模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。