[發明專利]一種基于聯邦學習的智能工廠溫濕度控制方法

在審

• 申請號: 202210055738.2
• 申請日: 2022-01-18
• 公開（公告）號: CN114399031A
• 公開（公告）日: 2022-04-26
• 發明（設計）人: 張衛山;聶宇銘;王濤
• 申請（專利權）人: 中國石油大學（華東）
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G05D27/02
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 符繼超

本發明涉及數據處理技術領域，具體公開了一種基于聯邦學習的智能工廠溫濕度控制方法，包括：采集溫濕度數據并進行預處理；在客戶端內搭建LSTM模型，并基于溫濕度數據預測下一時間溫濕度；基于聯邦學習框架對LSTM模型進行訓練，更新模型參數，直至模型收斂；根據訓練后的LSTM模型控制溫濕度，對溫濕度進行調整。使用LSTM和聯邦學習相結合的方法，在保護生產隱私不被泄露的情況下，對溫濕度進行調節，保證生產質量和生產效率。

技術領域

本發明涉及數據處理技術領域，更具體的說是涉及一種基于聯邦學習的智能工廠溫濕度控制方法。

背景技術

目前現有的工業溫濕度控制方法和設備多是保證運行環境的恒溫恒濕或者溫濕度超過某一閾值時啟動設備進行溫濕度的調節。但是在不需要維持恒溫恒濕，卻對溫濕度有變化性需求的工廠，現有的溫濕度控制方法和設備則不能充分滿足需求。例如：織造車間的溫濕度過低或者過高都會對產量、質量產生影響，在不同的季節、天氣織造不同的織物，對溫濕度都有不同的要求，傳統的溫濕度控制方法并不能滿足需求，需要一種新的溫濕度控制方法來實現溫濕度的智能控制。

LSTM網絡能夠對單一傳感器時序數據進行預測，但是單一傳感器時序數據難以反映全面的信息，且存在數據缺失，缺乏容錯性和可靠性。同時如果要融合多種信息時，又存在隱私泄露的問題，例如專利CN202010832093.X。

因此，如何提供一種在保證數據隱私的情況下，對互聯工廠的溫濕度進行智能控制，使溫濕度隨著制造的需求智能變化，保證制造質量的控制方法是本領域技術人員亟需解決的問題。

發明內容

有鑒于此，本發明提供了一種基于聯邦學習的智能工廠溫濕度控制方法，使用LSTM和聯邦學習相結合的方法，在保護生產隱私不被泄露的情況下，對溫濕度進行調節，保證生產質量和生產效率。

為了實現上述目的，本發明采用如下技術方案：

一種基于聯邦學習的智能工廠溫濕度控制方法，包括：

采集溫濕度數據并進行預處理；

在客戶端內搭建LSTM模型，并基于溫濕度數據預測下一時間溫濕度；

基于聯邦學習框架對LSTM模型進行訓練，更新模型參數，直至模型收斂；

根據訓練后的LSTM模型控制溫濕度，對溫濕度進行調整。

優選的，基于聯邦學習框架對LSTM模型進行訓練，更新模型參數，直至模型收斂具體包括：

步驟a系統初始化：中心服務器和客戶端建立連接后，客戶端接收中心服務器發送的初始參數后，初始化本地LSTM模型；

步驟b局部計算：LSTM模型根據溫濕度數據進行梯度訓練，并將得到的梯度脫敏后進行梯度加密上傳至中心服務器；

步驟c中心聚合；中心服務器對各個LSTM模型的梯度進行聚合，得到聚合后的參數；

步驟d模型更新：中心服務器根據聚合后的參數更新全局模型，將更新后的全局模型返回至參與訓練的各個客戶端上，客戶端根據全局模型更新LSTM模型，LSTM模型更新參數后進行新一輪的循環，即重復步驟b-步驟d，直至LSTM模型收斂。

優選的，梯度加密包括差分隱私加密或同態加密。

優選的，溫濕度數據預處理具體為：當溫濕度數據缺失少時，根據前后的溫濕度數據取平均進行填補；當溫濕度數據缺失多或者異常時，則刪除整條數據。