權利要求書： 1.一種基于聯(lián)合學習的渦輪風機維護方法，其特征在于，執(zhí)行主體為聯(lián)合學習的客戶端，包括：接收在聯(lián)合學習架構下服務器端下發(fā)的全局模型；獲取渦輪風機的歷史運行數(shù)據(jù)，將所述歷史運行數(shù)據(jù)輸入NASA仿真軟件生成用于訓練所述全局模型的樣本數(shù)據(jù)；利用所述樣本數(shù)據(jù)訓練所述全局模型，并更新本地的局部模型；如果所述局部模型達到預設收斂條件，則創(chuàng)建用于所述渦輪風機預測維護的模型，并利用所述模型對渦輪風機進行預測維護；執(zhí)行主體為聯(lián)合學習的服務器端，包括：接收客戶端上傳的局部模型；對局部模型進行聚合，更新全局模型，以使所述客戶端對所述更新全局模型進行訓練創(chuàng)建用于所述渦輪風機預測維護的模型；根據(jù)所述更新全局模型的更新結果，確定下一次所述全局模型更新時間，其中，所述更新結果包含更新是否成功信息和更新的屬性信息；其中，所述接收客戶端上傳的局部模型，包括：檢測局部模型目錄，并得到檢測結果；根據(jù)所述檢測結果，判斷是否產(chǎn)生新的局部模型；若是，則接收所述新的局部模型；若否，則返回檢測局部模型目錄。2.根據(jù)權利要求1所述的基于聯(lián)合學習的渦輪風機維護方法，其特征在于，所述歷史運行數(shù)據(jù)包括：渦輪風機的溫度、渦輪風機的壓力和/或渦輪風機的轉速。3.一種用于執(zhí)行權利要求1或2所述方法的基于聯(lián)合學習的渦輪風機維護裝置，其特征在于，包括：全局模型接收模塊，用于接收在聯(lián)合學習架構下服務器端下發(fā)的全局模型；樣本數(shù)據(jù)生成模塊，用于獲取渦輪風機的歷史運行數(shù)據(jù)，生成用于訓練所述全局模型的樣本數(shù)據(jù)；全局模型訓練模塊，用于利用所述樣本數(shù)據(jù)訓練所述全局模型，并更新本地的局部模型；風機預測維護模塊，用于如果所述局部模型達到預設收斂條件，則創(chuàng)建用于所述渦輪風機預測維護的模型，并利用所述模型對渦輪風機進行預測維護，其中，所述預設收斂條件為預設的迭代更新次數(shù)或預設的模型準確度。4.一種用于執(zhí)行權利要求1或2所述方法的基于聯(lián)合學習的渦輪風機維護裝置，其特征在于，包括：模型接收模塊，用于接收客戶端上傳的局部模型；模型聚合模塊，用于對局部模型進行聚合，更新全局模型，以使所述客戶端對所述更新全局模型進行訓練創(chuàng)建用于所述渦輪風機預測維護的模型；迭代更新模塊，用于根據(jù)所述更新全局模型的更新結果，確定下一次所述全局模型更新時間，其中，所述更新結果包含更新是否成功信息和更新的屬性信息；其中，