面向列车关键部件的集群自主学习故障诊断方法

专利主权项内容

1.一种面向列车关键部件的集群自主学习故障诊断方法，其特征在于，包括以下步骤：构建一系列的数据流阶层，并设定多个边缘客户端和一个中心服务器；进入初始学习阶层，各边缘客户端从中心服务器中下载初始的全局模型到本地，作为本地局域模型，再按批次从数据流阶层中采集各自的训练样本对本地局域模型进行R轮初始训练；每轮初始训练完成之后，各边缘客户端从当前轮训练中使用的训练样本中随机选取M个旧类参考样本并保存到旧参考样本存储器中，用于下一轮的训练，中心服务器收集各边缘客户端训练好的本地局域模型进行聚合并更新，得到初始学习阶层的全局模型；在初始学习阶层进行R轮集群协作训练之后，进入自主学习阶层；在每个自主学习阶层中，边缘客户端不断收集新的训练数据并计算其平均熵，当平均熵满足预设条件时，认为边缘客户端正在接收新阶层数据，此时，进行下一自主学习阶层；在每个自主学习阶层中，构造各边缘客户端的梯度加权损失函数，以对新类别样本和旧类别样本的学习速率和遗忘速率进行归一化；基于新类别样本和旧类别样本之间的底层关系，构造各边缘客户端的旧类蒸馏损失函数；基于梯度加权损失函数和旧类蒸馏损失函数构造各边缘客户端的局域损失函数；以局域损失函数作为学习准则，各边缘客户端按批次采集训练样本对本地局域模型进行R轮自主训练；每轮自主训练完成之后，中心服务器收集各边缘客户端训练好的本地局域模型进行聚合；进行R轮自主学习阶层的集群协作训练之后，中心服务器从全局视角选择R轮中的诊断准确率最高的模型作为本阶层的最优全局模型。