龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：哈尔滨工业大学
申请日：2024-04-29
公开（公告）日：2024-06-28
公开（公告）号：CN118264668A
主分类号：H04L67/10
分类号：H04L67/10;H04L67/104;H04L67/12;H04L41/142;H04L41/14;H04L41/147;H04L41/16
优先权：
专利状态码：在审-公开
法律状态：2024.06.28#公开
摘要：一种增强工业物联网预测性维护的分散式边云协同算法，属于物联网领域。本发明将联合平均和联合近端算法结合到一个统一的框架中，用于跨边缘设备的分布式网络进行协作预测性维护模型训练。这一方法有助于克服IIoT环境下的挑战，提高故障预测的准确性，并优化实时监控和数据保护等关键方面。在与传统边云协同方法的比较分析中，联合平均近端在准确性方面始终表现出上级性能，特别是在涉及非IID数据的场景中。该模型对不同的IIoT环境表现出了显著的适应性，这一点可以从其在不同数据集中的鲁棒性得到证明。此外，本发明的自适应通信策略有效地降低了开销，提高了边云协同过程的整体效率，证实了本发明的方法在现实世界的IIoT场景中的实用性。
主权项：1.一种增强工业物联网预测性维护的分散式边云协同算法，其特征在于：所述算法为：步骤一：初始化全局LSTM模型MG的参数θG；步骤二：将MG分发给所有边缘设备Di；步骤三：初始化目标函数参数L、B、P和权重w1、w2；步骤四：对于每一轮训练r，执行以下步骤：a.并行处理每个边缘设备Di；i.加载本地训练数据；ii.使用数据更新本地LSTM模型Mi的参数θi；iii.计算本地延迟Li、带宽Bi和隐私风险Pi；b.结束并行处理每个设备Di；c.聚合本地模型的参数：θG＝θ1+θ2+…+θNN；d.使用聚合的参数θG更新全局模型MG；e.聚合和归一化性能指标：L、B、P；f.使用进化算法优化目标函数Objective＝L+w1×B+w2×P；g.根据系统要求和约束调整w1、w2；h.评估全局模型的性能和目标函数；i.如果满足收敛条件，则跳出循环；不满足则继续循环；步骤五：结束每一轮训练；步骤六：返回优化的全局LSTM模型MG和最小化的目标函数。
全文数据：
权利要求：
百度查询： 哈尔滨工业大学 一种增强工业物联网预测性维护的分散式边云协同算法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号