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！

龙图腾网获悉东莞理工学院申请的专利一种基于无监督和分组机制的动态加权个性化联邦元学习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：CN118395218B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202410545761.9，技术领域涉及：G06F18/232；该发明授权一种基于无监督和分组机制的动态加权个性化联邦元学习故障诊断方法是由蒋飞;邝毅聪;李涛;卢沛聪;刘振华;吴兆乾设计研发完成，并于2024-05-06向国家知识产权局提交的专利申请。

本一种基于无监督和分组机制的动态加权个性化联邦元学习故障诊断方法在说明书摘要公布了：本发明公开了一种基于无监督和分组机制的动态加权个性化联邦元学习故障诊断方法，旨在提高机械故障诊断的准确性和效率。该方法首先通过采集不同设备下的故障轴承振动信号，为缺乏标签的数据集生成伪标签。进一步，通过设计一种个性化的联邦元学习算法，将特征相似的客户端进行分组，以处理非独立同分布数据的问题。此外，该方法引入动态加权策略，优化全局模型更新过程。通过这种方式，该方法不仅能有效利用分布式数据，还能根据每个客户端的数据特性，动态调整学习策略，最终实现更为精确和个性化的故障诊断。

本发明授权一种基于无监督和分组机制的动态加权个性化联邦元学习故障诊断方法在权利要求书中公布了：1.一种基于无监督和分组机制的动态加权个性化联邦元学习 故障诊断方法，其特征在于，包括以下步骤： S1、采集不同设备或工况下的故障轴承的振动信号作为不同客户端的初始数据集； S2、针对有数据但无标签的客户端，使用基于局部离群因子的伪标签算法为所有的样本信号打上伪标签，然后服务器向此客户端发送仿真数据，通过计算仿真数据与真实数据的欧式距离，从而得到真实标签； S3、针对客户间可能存在非独立同分布数据，设计一种基于分组机制的个性化联邦元学习算法，每个数据集都会经过特征工程提取出峰值、平均值和均方根特征值构建特征矩阵，然后计算数据集的聚类中心并上传到服务器，通过计算不同客户端之间的聚类中心的距离，使得距离相近，即特征相似的客户端放在一组训练全局模型； S4、在每个全局模型的训练过程中，引入了元学习策略，每个客户端的数据集被划分为支持集和查询集，每个客户端接收到全局模型之后，在自己的支持集上进行微调得到新模型，然后在查询集上测试得到损失值，这个损失值被用来更新全局模型； S5、引入了动态加权组合更新参数策略，根据设计的公式计算出当前客户端可以从其他客户端模型中受益多少，来有效地得到每个客户端的最佳加权模型组合；所述设计的公式如下：；其中i为本地客户端，n为其他客户端，代表模型参数，代表模型在本地数据的查询集中测试得到的损失值，如果Wn是负值，表明客户端n的模型在本地客户端i的数据上表现不好，它的参数不会被采纳，此外，分母代表了本地客户端和其他客户端模型参数之间的差异，物理意义为在关注模型性能的同时避免不同客户端之间的模型参数差异过大，从而提高泛化能力避免过拟合，最终，本地客户端i的参数更新如下：。

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东莞理工学院，其通讯地址为：523808 广东省东莞市松山湖科技产业园区大学路1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。