FedIFL: A Federated Cross-Domain Diagnostic Framework for Motor-Driven Systems with Inconsistent Fault Modes
💡
原文英文,约100词,阅读约需1分钟。
📝
内容提要
本研究提出了FedIFL框架,旨在解决电动系统故障诊断中的数据稀缺和标签不一致问题。通过原型对比学习和特征解耦机制,提升了模型的泛化能力,实现了准确的故障诊断。
🎯
关键要点
- 本研究提出了FedIFL框架,旨在解决电动系统故障诊断中的数据稀缺和标签不一致问题。
- FedIFL框架通过原型对比学习和特征解耦机制,提升了模型的泛化能力。
- 该框架实现了跨客户端和客户端内部领域的转移,显著提高了全局模型的准确性。
- 最终,FedIFL框架能够对不同标签空间的电动驱动系统进行准确的故障诊断。
➡️