隐私保护下泛化诊断
一种面向旋转机械故障诊断的联邦域泛化框架，在保护数据隐私的同时，通过梯度对齐机制实现跨工况的泛化诊断能力。
Zongzhen, Ye · 吴军 · Xuesong, He · Jiang, Weixiong
IEEE Internet of Things Journal 2025
框架采用联邦学习，各源域数据保留在本地，仅共享模型梯度，从而保护工业数据隐私。
通过域内和域间梯度对齐机制，模型学习到与域无关的故障特征，在未见过的工况上也能保持诊断性能。
作者在两个自建试验台上进行了实验，证明GAFedDG在隐私保护场景下具备优越的泛化能力。