一种基于区块链个性化联邦学习的谐波减速器故障诊断方法及系统

本发明公开了一种基于区块链个性化联邦学习的谐波减速器故障诊断方法及系统，涉及谐波减速器故障诊断领域。技术要点包括：采集振动信号并转换为二维时频图，构建各客户端本地数据集；利用感知掩码参数解耦策略实现模型个性化初始化；将特征映射至庞加莱球空间，并通过交叉熵损失、原型对齐损失和缺失类别排斥损失联合优化模型参数；依据强化学习动态共识机制确定聚合权重和共识领导者，更新全局模型并将参数上链存证；输入待诊断样本后获取诊断结果。本发明能够有效解决谐波减速器在多客户端工况异构和非独立同分布数据条件下故障诊断性能下降，传统联邦架构单点故障风险及区块链静态共识机制动态适应性不足的问题。