仪器仪表学报

作者：王玉静，叶柏宏，康守强，刘连胜，孙宇林

单位：王玉静,哈尔滨理工大学黑龙江省模式识别与信息感知重点实验室哈尔滨150080,mirrorwyj@163.com,叶柏宏,哈尔滨理工大学黑龙江省模式识别与信息感知重点实验室哈尔滨150080,,康守强,哈尔滨理工大学黑龙江省模式识别与信息感知重点实验室哈尔滨150080,kangshouqiang@163.com,刘连胜,哈尔滨工业大学自动化测试与控制研究所哈尔滨150001,lianshengliu@hit.edu.cn,孙宇林,哈尔滨理工大学黑龙江省模式识别与信息感知重点实验室哈尔滨150080,

关键词：数据不平衡;多源信息融合;联邦学习;谐波减速器;故障诊断

基金：国家自然科学基金(52375533)、黑龙江省自然科学基金(PL2024E022)、山东省自然科学基金(ZR2023ME057)、哈尔滨市制造业科技创新人才(2023CXRCCG017)项目资助

针对工业机器人谐波减速器不同故障类别样本数量不平衡，以及单源信号获取信息往往有限，导致故障诊断准确率不高的问题，提出一种多源不平衡数据下基于联邦学习的谐波减速器故障诊断方法。该方法通过对不同用户的多源信号做小波变换，将一维信号转换为二维图像，构建时频图数据集；利用改进的数据增强方法对不平衡数据集进行均衡处理；引入有效的通道注意力机制，并通过可学习的权重加权残差分支的输出，以增强模型对不同输入信号残差信息的适应性和对数据关键特征的提取能力；通过改进的多模态变分自编码器挖掘多源信号之间的互补信息进行特征融合，并采用焦点损失函数作为训练损失函数，使模型能够更关注错分频率较高的类别样本，构建多用户个性化本地模型；服务器端聚合用户端本地模型参数并更新全局模型，通过联邦学习保障用户端本地的孤岛隐私数据，从而对多源不平衡数据下谐波减速器进行故障诊断。通过搭建谐波减速器信号采集实验平台进行验证，所提方法能够有效提取谐波减速器多源不平衡数据的特征并实现信息融合，平均故障诊断准确率为98.8%，性能优于所对比的方法。

来源：2025年第6期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第6期