[發明專利]基于縱向聯合學習的設備剩余使用壽命預測模型構建裝置

在審

• 申請號: 202110048119.6
• 申請日: 2021-01-14
• 公開（公告）號: CN114764544A
• 公開（公告）日: 2022-07-19
• 發明（設計）人: 何博睿
• 申請（專利權）人: 新智數字科技有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F119/04
• 代理公司: 北京嘉科知識產權代理事務所(特殊普通合伙) 11687
• 代理人: 楊波

本發明適用于人工智能技術領域，提供了基于縱向聯合學習的設備剩余使用壽命預測模型構建裝置，包括：聯合學習框架建立模塊，用于根據多個設備的樣本數據分別為數據節點建立縱向聯合學習框架；預測模型建立模塊，用于進行第一次建模得到預測模型；樣本數據標注模塊，用于利用該預測模型對各個參與方的樣本數據進行預測，使用預測值標注對應的樣本數據；目標模型建立模塊，用于進行第二次建模得到目標模型，該目標模型的損失函數包括預測值標注的樣本數據的損失函數和預測模型的損失函數，聯合學習模型訓練模塊，用于訓練得到目標模型。本發明通過在縱向聯合學習基礎上進行二次建模來擴大數據信息，使得一些建模無效的場景仍可以建立模型。

技術領域

本發明屬于人工智能技術領域，尤其涉及基于縱向聯合學習的設備剩余使用壽命預測模型構建裝置。

背景技術

隨著人工智能的發展，在各個領域開始利用人工智能來對生產加工進行升級。例如，根據設備的運行數據等來建立針對設備使用壽命預測檢測的預測模型，以此來代替傳統方法都是依靠實際技術人員進行預測判斷的方法。然而，實際應用中設備所擁有的數據量往往達不到模型構建的要求，比如普遍存在樣本數量很小或樣本數據結構單一等問題，從而無法對設備建立有效的使用壽命預測模型。

發明內容

有鑒于此，本發明實施例提供了基于縱向聯合學習的設備剩余使用壽命預測模型構建裝置，以解決在設備擁有的數據無法建立有效的設備使用壽命預測模型的問題。

本發明實施例提供了一種基于縱向聯合學習的設備剩余使用壽命預測模型構建裝置，包括：聯合學習框架建立模塊，用于根據多個設備的樣本數據分別為數據節點，建立縱向聯合學習框架；預測模型建立模塊，用于根據所述縱向聯合學習框架，對各數據節點中符合對齊的樣本數據進行第一次建模，得到預測模型；樣本數據標注模塊，用于利用所述預測模型分別對所述縱向聯合學習框架下各個數據節點中不含標注的樣本數據進行預測，并將所述預測得到的預測值標注對應進行預測的樣本數據；目標模型建立模塊，用于根據所述縱向聯合學習框架，對各數據節點中符合對齊的樣本數據和所述預測值標注的樣本數據進行第二次建模，得到目標模型，其中，所述目標模型的損失函數包括所述預測值標注的樣本數據的損失函數和所述預測模型的損失函數；聯合學習模型訓練模塊，用于根據所述縱向聯合學習框架，進行目標模型訓練，得到用于各個數據節點對應設備進行設備剩余使用壽命預測。

在一些可選方案中，所述聯合學習框架建立模塊，包括：聯合方建立單元，用于確定縱向聯合學習的聯合方；參與方建立單元，用于確定各個設備所擁有的樣本數據為數據節點，并將各所述數據節點作為縱向聯合學習參與方；聯合學習框架建立單元，用于根據所述參與方和聯合方，建立縱向聯合學習框架。

在一些可選方案中，所述樣本數據標注模塊，包括：樣本數據預測單元，用于利用所述預測模型分別對所述縱向聯合學習框架下各個數據節點的所有樣本數據進行預測，得到對應的預測值；樣本數據標注單元，用于對所述預測值按預設條件進行排序，選取所述排序靠前的部分預測值和所述排序靠后的部分預測值作為對應樣本數據進行標注；樣本數據確定單元，用于確定所述標注的樣本數據為進行二次建模的樣本數據。

在一些可選方案中，所述樣本數據標注單元，還用于對所述預測值按預設條件進行排序，選取所述排序在前5-15％和排序在后5-10％的預測值對對應的樣本數據進行標注。

在一些可選方案中，所述樣本數據標注單元，還用于對所述預測值按預設條件進行排序，選取以預測結果的10％閾值點和90％閾值點為切斷點對兩頭的樣本數據的預測值，并利用所述預測值對所述樣本數據進行標注。

在一些可選方案中，所述目標模型的損失函數還包括：所述預測值標注的樣本數據的損失函數加乘一個權重系數和所述預測模型的損失函數。

在一些可選方案中，所述聯合學習框架建立模塊，還用于根據多個相同類型的設備或相同型號的設備的樣本數據分別為數據節點，建立縱向聯合學習框架。

在一些可選方案中，所述設備包括相同類型的鍋爐或相同型號的鍋爐。