权利要求书: 1.一种基于联合学习的涡轮风机维护方法,其特征在于,执行主体为联合学习的客户端,包括:接收在联合学习架构下服务器端下发的全局模型;获取涡轮风机的历史运行数据,将所述历史运行数据输入NASA仿真软件生成用于训练所述全局模型的样本数据;利用所述样本数据训练所述全局模型,并更新本地的局部模型;如果所述局部模型达到预设收敛条件,则创建用于所述涡轮风机预测维护的模型,并利用所述模型对涡轮风机进行预测维护;执行主体为联合学习的服务器端,包括:接收客户端上传的局部模型;对局部模型进行聚合,更新全局模型,以使所述客户端对所述更新全局模型进行训练创建用于所述涡轮风机预测维护的模型;根据所述更新全局模型的更新结果,确定下一次所述全局模型更新时间,其中,所述更新结果包含更新是否成功信息和更新的属性信息;其中,所述接收客户端上传的局部模型,包括:检测局部模型目录,并得到检测结果;根据所述检测结果,判断是否产生新的局部模型;若是,则接收所述新的局部模型;若否,则返回检测局部模型目录。2.根据权利要求1所述的基于联合学习的涡轮风机维护方法,其特征在于,所述历史运行数据包括:涡轮风机的温度、涡轮风机的压力和/或涡轮风机的转速。3.一种用于执行权利要求1或2所述方法的基于联合学习的涡轮风机维护装置,其特征在于,包括:全局模型接收模块,用于接收在联合学习架构下服务器端下发的全局模型;样本数据生成模块,用于获取涡轮风机的历史运行数据,生成用于训练所述全局模型的样本数据;全局模型训练模块,用于利用所述样本数据训练所述全局模型,并更新本地的局部模型;风机预测维护模块,用于如果所述局部模型达到预设收敛条件,则创建用于所述涡轮风机预测维护的模型,并利用所述模型对涡轮风机进行预测维护,其中,所述预设收敛条件为预设的迭代更新次数或预设的模型准确度。4.一种用于执行权利要求1或2所述方法的基于联合学习的涡轮风机维护装置,其特征在于,包括:模型接收模块,用于接收客户端上传的局部模型;模型聚合模块,用于对局部模型进行聚合,更新全局模型,以使所述客户端对所述更新全局模型进行训练创建用于所述涡轮风机预测维护的模型;迭代更新模块,用于根据所述更新全局模型的更新结果,确定下一次所述全局模型更新时间,其中,所述更新结果包含更新是否成功信息和更新的属性信息;其中,
声明:
“基于联合学习的涡轮风机维护方法和装置” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)