基于联邦学习的无人矿卡健康诊断分析方法与系统与流程

本申请涉及车辆，特别涉及基于联邦学习的无人矿卡健康诊断分析方法与系统。

背景技术：

1、无人矿卡，全称无人驾驶矿用卡车，是一种现代化的煤矿运输设备，在很多矿场，尤其是露天煤矿中都有应用。这些无人矿卡在控制中心的调度下完成各种运输任务，能够实现全天候的连续工作，不但提高了煤矿开采的效率，而且大大减小了对人员的占用。

2、对于每个矿场而言，其都有自己的控制中心，这些控制中心在调度无人矿卡的过程中还需要检测无人矿卡的健康情况，并在发现健康问题时需要及时通知维保人员，以避免问题进一步扩大，保障企业的利益。但是，目前每个矿场使用的控制中心都是独立的，其控制流程、数据等对于其他的矿场不共享，形成了数据孤岛。如果直接建立共享的控制中心，并将各个矿场的数据进行共享，这将对矿场各自的数据隐私造成严重威胁，这也是很多矿场不愿意共享数据的原因。

技术实现思路

1、本申请实施例提供了基于联邦学习的无人矿卡健康诊断分析方法与系统，用以解决现有技术中数据孤岛和数据隐私的问题。

2、一方面，本申请实施例提供了基于联邦学习的无人矿卡健康诊断分析方法，包括：

3、数据采集：采集无人矿卡的状态数据；

4、本地处理：提取状态数据的特征信息；

5、诊断决策：将特征信息输入分析模型，获得无人矿卡的健康诊断分析结果；

6、分析模型基于联邦学习的方法建立，建立方法包括：

7、获取每个矿场中的训练样本；

8、在本地处理阶段中利用训练样本对当前矿场的本地模型进行训练，获得训练后本地模型；

9、对多个矿场的训练后本地模型的模型参数进行聚合更新，利用聚合更新后的模型参数建立分析模型。

10、另一方面，本申请实施例还提供了基于联邦学习的无人矿卡健康诊断分析系统，包括：

11、数据采集单元，用于采集无人矿卡的状态数据；

12、本地处理单元，用于提取状态数据的特征信息；

13、诊断决策单元，用于将特征信息输入分析模型，获得无人矿卡的健康诊断分析结果；

14、分析模型基于联邦学习的方法建立，建立方法包括：

15、获取每个矿场中的训练样本；

16、在本地处理阶段中利用训练样本对当前矿场的本地模型进行训练，获得训练后本地模型；

17、对多个矿场的训练后本地模型的模型参数进行聚合更新，利用聚合更新后的模型参数建立分析模型。

18、本申请中的基于联邦学习的无人矿卡健康诊断分析方法与系统，具有以下优点：

19、1、数据共享与隐私保护：通过联邦学习，各矿场的健康诊断分析系统可以在不直接共享原始数据的情况下，共同训练分析模型，提升系统的智能化水平和准确性，同时保障数据隐私。

20、2、提升故障预测的准确性：联邦学习可以整合来自不同矿场的数据特征，提升分析模型的泛化能力和准确率。

21、3、降低维护成本和延长设备寿命：准确及时的健康诊断能够预防潜在的故障，减少不必要的维护，降低成本，延长矿卡的使用寿命。

技术特征：

1.基于联邦学习的无人矿卡健康诊断分析方法，其特征在于，包括：

2.根据权利要求1所述的基于联邦学习的无人矿卡健康诊断分析方法，其特征在于，所述状态数据包括无人矿卡的振动数据、声音数据和温度数据，所述特征信息包括所述振动数据的振动频率信息和振动幅度信息，还包括所述声音数据的声音频率信息和声音大小信息，还包括所述温度数据的温度变化率信息。

3.根据权利要求1所述的基于联邦学习的无人矿卡健康诊断分析方法，其特征在于，所述本地模型和分析模型均采用相同结构的卷积神经网络模型。

4.根据权利要求1所述的基于联邦学习的无人矿卡健康诊断分析方法，其特征在于，在获得所述训练后本地模型后，还在所述训练后本地模型的模型参数中添加噪声，然后对添加噪声后的所述模型参数进行聚合更新。

5.根据权利要求1所述的基于联邦学习的无人矿卡健康诊断分析方法，其特征在于，在获得所述分析模型后，还将所述分析模型的模型数据反馈至每个所述本地模型，由所述本地模型对所述分析模型的模型数据进行验证，如果验证不通过，则对所述分析模型的模型参数进行调整，直到所述矿场的所述本地模型都验证通过。

6.根据权利要求1所述的基于联邦学习的无人矿卡健康诊断分析方法，其特征在于，在对所述训练后本地模型的模型参数进行聚合更新时，按照每个矿场中所述训练后本地模型的模型参数的权重对多个矿场中所述训练后本地模型的模型参数进行加权求和。

7.根据权利要求6所述的基于联邦学习的无人矿卡健康诊断分析方法，其特征在于，所述权重根据所述训练后本地模型的准确率或f1分数确定。

8.应用权利要求1-7任一项所述的基于联邦学习的无人矿卡健康诊断分析方法的系统，其特征在于，包括：

技术总结本申请公开了基于联邦学习的无人矿卡健康诊断分析方法与系统，涉及车辆技术领域，其中方法包括：采集无人矿卡的状态数据；提取状态数据的特征信息；将特征信息输入分析模型，获得无人矿卡的健康诊断分析结果；分析模型基于联邦学习的方法建立，建立方法包括：获取每个矿场中的训练样本；在本地处理阶段中利用训练样本对当前矿场的本地模型进行训练，获得训练后本地模型；对多个矿场的训练后本地模型的模型参数进行聚合更新，利用聚合更新后的模型参数建立分析模型。本申请采用联邦学习技术，各矿场的健康诊断分析系统可以在不直接共享原始数据的情况下，共同训练分析模型，提升系统的智能化水平和准确性，同时保障数据隐私。技术研发人员：李天问,魏飞,陈志刚受保护的技术使用者：四川开物信息技术有限公司技术研发日：技术公布日：2024/8/27