一种基于联邦增强迭代学习的跨机器故障诊断方法及系统

本发明涉及一种基于联邦增强迭代学习的跨机器故障诊断方法及系统，该方法包括：在各个客户端采集机械设备的局部振动信号，构建本地训练集和测试集；在全局模型训练阶段，采用迭代联邦通信机制，通过客户端间序列化传输与全局模型参数更新实现渐进式跨域知识融合；在全局聚合过程中引入渐进加权融合算法，预热阶段增强弱客户端贡献度，一致性感知阶段基于更新方向相似性约束强客户端的聚合权重；形成全局诊断模型，部署于跨企业、跨工况的应用场景中，实现跨企业、跨工况的机械设备故障模式识别。本发明可以在保障数据隐私与安全的同时，有效缓解非独立同分布特征差异，提升未知故障类型的识别能力，从而实现跨机器故障诊断的高精度与强泛化能力。