目前，旋转设备包括各类电机，泵等，大多基于传统建模方法进行故障诊断，需要大量的故障诊断相关经验，且各设备分布广泛，大量原始数据由于数据隐私无法上传至统一服务器进行同步训练，导致数据利用率较差。同时，随着大数据时代的到来,数据规模不断增大,传统的集中式迁移学习方法面临着计算资源不足，通讯开销大等问题。为解决现有技术存在的问题，本发明提供一种基于分布式迁移学习的机泵故障诊断方法、系统与装置。

本发明设计一套基于迁移学习模型实现机泵设备故障诊断的方法、系统与装置，其中该系统主要包括传感阵列，分布式从站模块，通讯网关以及参数主站服务器。通过传感阵列采集设备正常以及不同故障下的状态数据，并依靠分布式从站模块中预置的迁移模型网络进行训练，通过加密通讯网关将实时计算梯度进行同态加密发送到参数主站服务器，进行参数处理后返回到从站模型中进行迭代训练最后完成模型训练，实现分布式网络下的故障诊断模型全自动训练。该系统在工业中具有实际的应用意义，相较于市面上的设备故障诊断系统，具有独特的设计思路。

本发明的设计思想：针对机泵这类旋转设备的故障诊断模型多节点训练，应用分布式迁移学习方式进行自动化训练和部署。工业应用中，很多企业考虑到数据隐私安全问题，不愿将设备运行数据对外传输，以免造成企业信息泄露。这就导致诊断模型无法通过在线数据获取进行训练，使得模型更新无法完成有效闭环。本系统和装置基于分布式迁移学习的设计思路，通过设计分布式从站模块进行模型迁移训练和梯度参数更新，并基于加密通讯网关实现梯度参数加密上传，确保企业信息不泄露。基于参数主站服务器进行梯度调节，实现诊断模型的分布式训练。