基于动态知识传递强度的自适应联邦学习训练方法、设备及介质

本发明涉及一种基于动态知识传递强度的自适应联邦学习训练方法、设备及介质，应用于风力发电机齿轮箱故障预测，通过客户端和服务器进行迭代训练循环，实现动态调整知识传递强度。迭代步骤包括：各客户端基于当前本地模型参数及本地数据集进行训练，得到更新后的本地模型参数和本地损失值；各客户端根据本地损失值与上一轮得到的全局平均损失的差异动态调整知识传递强度，计算加权模型更新量，并将当前的本地损失值和加权模型更新量上传至服务器。服务器基于各客户端的本地损失值计算聚合权重，对各客户端的加权模型更新量进行加权聚合，更新全局模型参数。与现有技术相比，本发明具有降低遗忘性、个性化和泛化能力强等优点。