一种基于联邦前向脉冲学习的工业设备运行状态监测方法

本发明公开了一种基于联邦前向脉冲学习的工业设备运行状态监测方法，属于工业边缘智能与联邦学习技术领域。包括：构建由中心服务器与多个工业终端组成的联邦训练环境；各工业终端构造标签条件正监督输入和负监督输入；采用速率编码将连续值输入转换为脉冲序列，计算各层时间聚合脉冲激活和层级评分，中心服务器根据样本量权重和各层损失计算终端‑层对应聚合权重，并进行加权更新；通过枚举候选运行状态类别并比较各层层级评分之和，输出设备运行状态监测结果。本发明通过层级评分机制和前向‑前向局部更新策略，降低了工业终端训练阶段的激活存储压力，适用于工业生产线、设备集群、控制系统或工业物联网边缘节点的运行状态监测场景。