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！

龙图腾网获悉齐鲁理工学院申请的专利一种基于对抗性联邦学习的数据异构环境下工业设备故障诊断方法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：CN121092933B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202511643680.3，技术领域涉及：G06F18/20；该发明授权一种基于对抗性联邦学习的数据异构环境下工业设备故障诊断方法是由德拉尼奥;赵雪;曹凤;胡宾鑫;刘荣;张菲菲设计研发完成，并于2025-11-11向国家知识产权局提交的专利申请。

本一种基于对抗性联邦学习的数据异构环境下工业设备故障诊断方法在说明书摘要公布了：本申请公开了一种基于对抗性联邦学习的数据异构环境下工业设备故障诊断方法，涉及工业设备故障诊断技术领域，通过引入分布增强技术，在保障参与方数据隐私的前提下有效缓解数据异质性影响。采用两阶段学习机制：首先，各设施端利用无监督深度卷积模型提取本地数据的潜在表征，通过降维处理实现对原始传感器信号的隐式编码，这一步骤既实现模型个性化又确保数据隐私；随后，通过抑制工业设施间非独立同分布数据的影响，系统性地处理数据异质性问题，确保模型性能的鲁棒性。最后在联邦聚合阶段，通过融合其他设施端的增强表征进行全局分类模型协同训练，从而平衡数据分布差异，提升了联邦模型工业故障诊断的准确性。

本发明授权一种基于对抗性联邦学习的数据异构环境下工业设备故障诊断方法在权利要求书中公布了：1.一种基于对抗性联邦学习的数据异构环境下工业设备故障诊断方法，其特征在于，包括： 采集每个工业现场监测设备获取到的设备故障和正常运行的时间序列数据并生成频谱图；每个工业现场对应一个收缩自编码器CAE，所述CAE根据每个类别对应的输入数据单独训练，所述CAE由编码器和解码器组成；所述编码器将输入数据映射到潜在空间将数据转换为低维表示；所述解码器从潜在表示重建原始信号，确保编码特征保留输入的基本信息； 将所述频谱图的时频表示TFR提取特征，通过收缩自编码器CAE进行局部特征学习，包括： 对于数据集中的训练实例向量，定义潜在表示和重建的时频表示定义如下： 其中：是权重矩阵，是偏置向量，表示激活函数； 重建损失的表示如下： 在重建损失中加入了一个惩罚项，该惩罚项源自隐藏层激活雅可比矩阵的弗罗贝尼乌斯范数： 其中：是雅可比矩阵的弗罗贝尼乌斯范数的平方，分别是输入向量的第b个隐藏单元的激活值和第a个特征值； 雅可比矩阵的元素定义为： 训练CAE的总成本函数为： 其中，为控制惩罚项的相对权重； 训练完成后所述编码器被解耦，用于将输入TFR从原始维度转换为更低的维度，以确保隐私的保护； 采用局部特征学习获得的信号训练全局生成对抗网络GAN，使得所述全局GAN学习每个故障类的通用数据分布； 所述全局GAN训练完成后，其优化参数将分发至各工业现场的本地GAN，本地GAN根据由现场数据摘要统计量计算得出的偏差参数，生成合成数据以增强本地数据分布； 在联邦学习框架下采用二维卷积神经网络构建全局分类模型，通过可学习的激活函数进行优化，实现对工业设备运行状态的精确分类； 通过加性秘密共享技术实现各工业现场与中央服务器的模型参数交换，同步更新所述全局分类模型。

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齐鲁理工学院，其通讯地址为：250200 山东省济南市章丘区经十东路3028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。