边缘设备实时诊断
该模型通过修改Transformer嵌入模块和自注意力实现轻量化，并引入可变形卷积与多维输出，在强噪声下保持高精度诊断与距离定位。
房海瑞 · Jialin, An · Sun, Bo · 陈东生 · Jingyu, Bai · Liu, Han · 向家伟 · Wenjie, Bai · Dong, Wang · Fan, Siyuan · Hu, Chuanfei · Fir, Dunkin · Wu, Yingjie
Advanced Engineering Informatics 2024
通过修改 Transformer 嵌入模块和自注意力，将计算量降至 0.487 MFLOPs、参数量降至 6.148 k，甚至能在资源受限的边缘设备上运行。
在 SNR 从 −10 dB 到 10 dB 的噪声环境下，诊断准确率保持 95.92%，定位误差仅 ±1.32 cm，说明模型在恶劣工况中依然可靠。
部署在两种边缘计算设备上达到 34 和 38 FPS，实现实时故障诊断，满足在线监测需求。
模型同时输出故障诊断和距离定位，避免了分别部署两个系统的复杂性和成本。