權利要求書: 1.一種基于聯合學習的渦輪風機維護方法,其特征在于,執行主體為聯合學習的客戶端,包括:接收在聯合學習架構下服務器端下發的全局模型;獲取渦輪風機的歷史運行數據,將所述歷史運行數據輸入NASA仿真軟件生成用于訓練所述全局模型的樣本數據;利用所述樣本數據訓練所述全局模型,并更新本地的局部模型;如果所述局部模型達到預設收斂條件,則創建用于所述渦輪風機預測維護的模型,并利用所述模型對渦輪風機進行預測維護;執行主體為聯合學習的服務器端,包括:接收客戶端上傳的局部模型;對局部模型進行聚合,更新全局模型,以使所述客戶端對所述更新全局模型進行訓練創建用于所述渦輪風機預測維護的模型;根據所述更新全局模型的更新結果,確定下一次所述全局模型更新時間,其中,所述更新結果包含更新是否成功信息和更新的屬性信息;其中,所述接收客戶端上傳的局部模型,包括:檢測局部模型目錄,并得到檢測結果;根據所述檢測結果,判斷是否產生新的局部模型;若是,則接收所述新的局部模型;若否,則返回檢測局部模型目錄。2.根據權利要求1所述的基于聯合學習的渦輪風機維護方法,其特征在于,所述歷史運行數據包括:渦輪風機的溫度、渦輪風機的壓力和/或渦輪風機的轉速。3.一種用于執行權利要求1或2所述方法的基于聯合學習的渦輪風機維護裝置,其特征在于,包括:全局模型接收模塊,用于接收在聯合學習架構下服務器端下發的全局模型;樣本數據生成模塊,用于獲取渦輪風機的歷史運行數據,生成用于訓練所述全局模型的樣本數據;全局模型訓練模塊,用于利用所述樣本數據訓練所述全局模型,并更新本地的局部模型;風機預測維護模塊,用于如果所述局部模型達到預設收斂條件,則創建用于所述渦輪風機預測維護的模型,并利用所述模型對渦輪風機進行預測維護,其中,所述預設收斂條件為預設的迭代更新次數或預設的模型準確度。4.一種用于執行權利要求1或2所述方法的基于聯合學習的渦輪風機維護裝置,其特征在于,包括:模型接收模塊,用于接收客戶端上傳的局部模型;模型聚合模塊,用于對局部模型進行聚合,更新全局模型,以使所述客戶端對所述更新全局模型進行訓練創建用于所述渦輪風機預測維護的模型;迭代更新模塊,用于根據所述更新全局模型的更新結果,確定下一次所述全局模型更新時間,其中,所述更新結果包含更新是否成功信息和更新的屬性信息;其中,
聲明:
“基于聯合學習的渦輪風機維護方法和裝置” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)