少样本诊断准确率达82%
该模型采用生成式令牌框架统一异构数据，通过下一信号令牌预测预训练实现跨任务、跨工况的高精度诊断与预测。
Wang, Yilin · Yu, Yifei · Kong, Sun · Peixuan, Lei · 张宇轩 · Zio, Enrico · Xia, Aiguo · 李元祥
IEEE Internet of Things Journal 2025
通过Signal Tokens、Prompt Tokens、Time-Frequency Task Tokens和Fault Tokens，将不同信号特性、故障模式和工况的数据整合到一个模型架构中，无需为每个任务单独设计模型。
在16类单次学习实验中达到82%准确率，说明模型在新故障类型上仅需一个样本就能快速适应，大幅降低数据采集和标注成本。
一个模型同时完成故障诊断和剩余寿命预测，诊断准确率接近完美，预测误差极低，省去维护和部署两套系统的开销。