(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202110047879.5 (22)申请日 2021.01.14 (71)申请人 新智数字科技有限公司 地址 100020 北京市朝阳区望京东路1号摩 托罗拉大厦10层 (72)发明人 何博睿　 (74)专利代理 机构 北京嘉科知识产权代理事务 所(特殊普通 合伙) 11687 专利代理师 杨波 (51)Int.Cl. G06F 30/27(2020.01) G06F 119/02(2020.01) G06F 119/04(2020.01) (54)发明名称 基于横向联合学习的设备剩余使用寿命预 测模型构建装置 (57)摘要 本发明适用于人工智能技术领域， 提供了基 于横向联合学习的设备剩余使用寿命预测模型 构建装置， 包括： 特征数据获取模块， 用于获取多 个设备的特征数据， 该特征数据包括具有或/和 不具有标签的特征数据； 联合学习建立模块， 用 于根据多个设备的特征数据， 建立横向联合学习 任务； 联合学习训练模块， 用于根据横向联合学 习任务， 使用设备各自的特征数据对包括具有 标 签的特征数据的损失函数和不具有标签的特征 数据的损失函数相加得到的目标模 型进行训练； 目标模型建立模块， 用于根据训练的结果建立得 到用于设备剩余使用寿命预测的目标模型。 本发 明在联合学习架构中引入未标记的特征数据来 扩大信息量， 使得一些建模无效的场景同样可以 建立模型。 权利要求书2页 说明书7页 附图2页 CN 114764543 A 2022.07.19 CN 114764543 A 1.一种基于横向联合学习的设备剩余使用寿命预测模型构建装置， 其特 征在于， 包括： 特征数据获取模块， 用于获取多个设备的特征数据， 所述特征数据包括具有标签的特 征数据或/和不具有标签的特 征数据； 联合学习建立模块， 用于根据所述多个设备的特 征数据， 建立横向联合学习任务； 联合学习训练模块， 用于根据所述横向联合学习任务， 使用所述设备各自的所述特征 数据对至少包括所述具有标签的特征数据的损失函数和所述不具有标签的特征数据的损 失函数相加得到的目标损失函数的模型进行训练； 目标模型建立模块， 用于根据 所述训练的结果建立得到用于所述设备剩余使用寿命预 测的目标模型。 2.根据权利要求1所述的基于横向联合学习的设备剩余使用寿命预测模型构建装置， 其特征在于， 所述联合学习建立模块， 包括： 联合方建立单 元， 用于确定联合学习的联合方； 参与方建立单元， 用于确定各个设备的特征数据为数据节点， 并将各所述数据节点作 为联合学习参与方； 联合学习任务建立单 元， 用于根据所述 参与方和联合方， 建立横向联合学习任务。 3.根据权利要求1或2所述的基于横向联合学习的设备剩余使用寿命预测模型构建装 置， 其特征在于， 所述联合学习训练模块， 包括： 预测模块建立单元， 用于基于横向联合学习框架， 对所述具有标签的特征数据建立预 测模型； 特征数据预测单元， 用于利用建立的所述预测模型对不具有标签的特征数据进行预 测， 得到所述 不具有标签的特 征数据的预测值； 样本数据选取单元， 用于将预测模型预测得到的所有预测值按照从小到大的顺序排 序， 选择排序靠前和 排序靠后的部分预测值， 将所述选取 的预测值和所述选取 的预测值对 应的不具有标签的特 征数据作为样本数据； 目标模型建立单元， 用于根据所述具有标签的特征数据和所述样本数据构建目标模 型； 目标模型训练单元， 用于根据所述横向联合学习框架， 对所述目标模型的损 失函数进 行训练， 其中， 所述 目标模型 的损失函数至少包括所述具有标签的特征数据的损失函数和 所述不具有标签的特 征数据的损失函数相加。 4.根据权利要求3所述的基于横向联合学习的设备剩余使用寿命预测模型构建装置， 其特征在于， 所述目标模型的损失函数， 还包括： 所述具有标签的特征数据的损失函数加成 权重系数后与所述 不具有标签的特 征数据的损失函数相加。 5.根据权利要求3所述的基于横向联合学习的设备剩余使用寿命预测模型构建装置， 其特征在于， 所述目标模型训练单 元， 包括： 模型参数上传单元， 用于基于横向联合学习框架， 参与方将根据所述具有标签的特征 数据和不具有标签的特征数据及其对应的预测 值建立的目标模型的模型参数发送给联合 方； 模型参数聚合单元， 用于所述联合方聚合各个参与方发送的模型参数进行模型更新 后， 将更新后的模型参数发送给 各个参与方；权　利　要　求　书 1/2 页 2 CN 114764543 A 2目标模型更新单元， 用于各参与 方对联合方更新后的模型参数， 对目标模型进行更新， 其中， 所述目标模型的损失函数至少包括所述具有标签的特征数据的损失函数和所述不具 有标签的特 征数据的损失函数相加； 样本数据更新单元， 用于根据 更新后的目标模型， 对不具有标签的特征数据进行预测， 得到对应的预测值； 模型迭代训练单元， 用于返回将预测模型预测得到的所有预测值按照从小到大的顺序 排序， 选择排序靠前和排序靠后的部分预测值， 将所述选取 的预测值和所述选取 的预测值 对应的不具有标签的特征数据作为样本数据， 进行迭代训练， 直到使所述 目标模型收敛或 迭代达到终止条件为止 。 6.根据权利要求3所述的基于横向联合学习的设备剩余使用寿命预测模型构建装置， 其特征在于， 所述样本数据选取单元， 还用于将预测模型预测得到的所有预测值按照 从小 到大的顺序排序， 择排序前5 ‑15％和排序后5 ‑10％的预测值， 将所述选取的预测值和所述 选取的预测值对应的不具有标签的特 征数据作为样本数据。 7.根据权利要求1所述的基于横向联合学习的设备剩余使用寿命预测模型构建装置， 其特征在于， 所述特征数据获取模块， 还用于获取多个相同类型或相同型号的设备 的特征 数据。 8.根据权利要求7所述的基于横向联合学习的设备剩余使用寿命预测模型构建装置， 其特征在于， 所述特征数据获取模块， 还用于获取多个相同类型或相同型号的锅炉的特征 数据。 9.根据权利要求1所述的基于横向联合学习的设备剩余使用寿命预测模型构建装置， 其特征在于， 所述特征数据获取模块， 还用于获取多个设备的特征数据， 所述多个 设备的特 征数据之间包括重 叠的特征数据。权　利　要　求　书 2/2 页 3 CN 114764543 A 3