买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国石油大学(华东)申请的专利一种面向油气田设备故障诊断任务的个性化联邦学习方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121786593B 。

龙图腾网通过国家知识产权局官网在2026-05-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610248821.X，技术领域涉及：G06F18/241；该发明授权一种面向油气田设备故障诊断任务的个性化联邦学习方法是由王丹心;孙瑞格;周环宇;金龙设计研发完成，并于2026-03-03向国家知识产权局提交的专利申请。

本一种面向油气田设备故障诊断任务的个性化联邦学习方法在说明书摘要公布了：本发明属于油气田设备故障诊断技术领域，公开了一种面向油气田设备故障诊断任务的个性化联邦学习方法。在模型结构方面，采用参数解耦策略将完整模型划分为共享的特征提取器与客户端私有的分类器，提升模型对各客户端异构数据分布的适应能力。在客户端选择方面，引入基于更新方向差异性的效用分数，动态识别当前训练轮次中更具代表性或探索性的客户端，提高训练效率与模型泛化性能。在参数聚合策略上，采用差异性驱动的加权聚合方法，根据客户端上传更新的效用分数动态分配聚合权重，抑制异常或低质量客户端对全局模型的负面影响，提升了系统的稳定性与收敛速度。本发明适用于油气田生产场景下针对油气田设备故障诊断任务的隐私保护联邦建模。

本发明授权一种面向油气田设备故障诊断任务的个性化联邦学习方法在权利要求书中公布了：1.一种面向油气田设备故障诊断任务的个性化联邦学习方法，其特征在于，包括如下步骤： 步骤1.在服务器端构建全局模型，并将全局模型参数解耦为基础层Base与分类器Head，Base为共享的特征提取器；服务器端下发全局模型到客户端，首轮训练中客户端为随机选择； 步骤2.被选中的客户端执行双阶段本地训练； 在个性化训练阶段，冻结Base参数，仅更新Head参数；在共享训练阶段，冻结Head参数，更新Base参数，然后记录本轮与上一轮Base的参数差值，得到本地更新向量； 步骤3.各客户端将训练后的Base参数更新上传到服务器端，同时上传本轮的本地更新向量，Head参数保留在客户端不上传； 步骤4.服务器端接收到上传的本地更新向量与Base参数后，计算每个客户端的效用分数，效用分数定义为本轮客户端本地更新向量与上轮全局更新向量的差异性； 基于计算的效用分数为被选中的客户端赋予相应的权重，并利用权重对选中客户端上传的Base参数进行加权聚合，更新全局Base，形成本轮更新全局模型； 基于本轮与上轮更新全局模型的参数差值，得到本轮全局更新向量； 所述步骤4具体为： 步骤4.1.效用分数的计算公式如下： ； 其中表示客户端i在第t轮训练后的效用分数，表示客户端i第t轮即本轮的本地更新向量，表示第t-1轮即上轮全局更新向量；cos表示余弦相似度； 步骤4.2.服务器端根据计算的效用分数为被选中的客户端赋予权重并进行归一化处理； 客户端i的权重计算公式如下： ； ； 其中，为正则化常数；表示客户端i的权重，为客户端i归一化后最终权重；k表示客户端数量，i=1,…,k； 步骤4.3.将所有客户端上传的Base参数进行加权聚合，更新全局模型并保存模型副本，以供下一轮计算全局更新向量使用，更新全局模型的计算公式如下： ； 其中，为本轮被选中参与训练的客户端集合；表示客户端i在第t轮训练后的Base参数；表示第t轮的更新全局模型； 步骤4.4.计算第t轮即本轮全局更新向量，计算公式如下： ； 其中表示第t轮即本轮全局更新向量，表示第t-1轮的更新全局模型； 步骤5.服务器端基于计算的效用分数选择参与下轮训练的客户端的比例；服务器端将全局模型的Base参数下发给被选中的客户端，Head部分保留在客户端本地； 步骤6.重复步骤2至步骤5，直至达到预设的训练轮次后或模型精度收敛后结束，从而实现面向油气田设备故障诊断任务的个性化联邦学习。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国石油大学(华东)，其通讯地址为：266580 山东省青岛市黄岛区长江西路66号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。