跨工况少样本泛化
将振动信号文本化并微调预训练大语言模型，实现轴承故障诊断的跨工况、少样本与跨数据集泛化能力。
陶来发 · Haifei, Liu · Guoao, Ning · Wenyan, Cao · Bohao, Huang · Lü, Chen
Mechanical Systems and Signal Processing 2025
跨数据集训练的模型准确率提升约10%，证明大语言模型对输入模式有适应能力。
该框架能同时执行跨工况、少样本和跨数据集三种泛化任务，填补了研究空白。
通过统计框架提取时频域特征并文本化时间序列，简洁的特征选择有助于学习跨工况和少样本的共性特征。