二次聚合个性化联邦的不同工况下滚动轴承寿命预测方法

来源：振动与冲击杂志2025年第2期北京时间：

作者：康守强，杨得济，王玉静mirrorwyj，王庆岩，谢金宝

单位：1.哈尔滨理工大学模式识别与信息感知黑龙江省重点实验室，哈尔滨150080；2.海南师范大学物理与电子工程学院，海口571158

摘要：针对不同工况下滚动轴承振动数据分布差异大，单一用户数据量少且多个用户间数据不共享的问题，提出一种二次聚合个性化联邦的滚动轴承寿命预测方法。该方法用不同深度的自编码器提取多尺度特征信息并压缩为散点图，实现特征增强；利用无监督二元回归模型确定第一预测时间，构建分段退化标签；提出二次聚合个性化联邦学习算法，各用户构建改进的CNN-LSTM模型，并将其参数上传至服务端，服务端采用多任务学习框架，一次聚合多用户同种工况模型参数；在此基础上，利用批量归一化层参数统计信息计算一次聚合模型间相似度，引入权重更新机制指导模型参数二次聚合，减少不同工况模型间的负迁移现象并学习有益的全局知识，最终形成针对各工况的个性化预测模型。经实验验证，所提方法在保障数据隐私的前提下，可实现不同工况下滚动轴承寿命预测，并且预测的平均得分与不考虑数据隐私的集中式学习方法相当、相较于联邦平均算法平均得分提高0.2197。<br>

关键词：滚动轴承；多尺度特征提取；联邦学习；个性化；剩余寿命预测