一种基于多级联邦学习的工业设备故障诊断方法及系统

本申请涉及人工智能技术领域，具体涉及一种基于多级联邦学习的工业设备故障诊断方法及系统，所述方法包括：采集工业设备的运行时序数据，对当前设备端部署的故障诊断模型进行训练，得到训练后的本地模型参数；基于动态权重分配策略，对接收到的多个设备端的本地模型参数进行加权聚合，生成区域级模型参数；整合所有区域级模型参数，并注入差分隐私噪声，生成全局故障诊断模型；对全局故障诊断模型进行协同优化压缩，并将压缩后的模型分发至各设备端，以更新设备端当前部署的故障诊断模型；基于各设备端在本轮及历史联邦学习中的贡献数据，执行贡献评估与激励分配流程，并将评估结果更新所述动态权重分配策略。满足了工业场景的快速响应需求。