摘要
本发明属于工业物联网与联邦学习交叉领域，具体涉及一种基于熵值优化联邦学习的抽油机故障诊断方法，包括(1)各客户端通过数据蒸馏从本地数据中提取关键特征生成核心集，并将核心集上传至服务端；(2)服务端聚合所有客户端的核心集形成合成数据集，并基于该数据集初始化全局模型；(3)各客户端下载全局模型参数，结合随机梯度下降算法进行本地训练，生成更新的局部模型；(4)服务端根据当前轮次的模型性能指标和历史熵值趋势，采用双尺度调节机制动态分配权重，聚合局部模型生成更新后的全局模型。本发明客户端数据质量差异导致的聚合偏差，历史训练信息利用率低，诊断准确率高，隐私保护效果理想，模型收敛速度快。
