少样本下准确率93%
该模型融合Transformer与CNN，结合连续小波变换图像化故障信号，在训练数据极少时仍能对工业机器人谐波减速器故障进行高精度识别，用于高效诊断复杂工况下的早期故障。
Xiangning, Guan · Huang, Fengqin · Xiaoguang, Ma · 戴瑜兴 · Xie, Jinping · 王昊
IEEE Sensors Journal 2024
模型在极少的训练数据下仍能达到93%的准确率，适合故障数据难以大量获取的工业场景。
在复杂工况下仍然保持高准确率，说明模型对不同运行条件具有较强的适应性。
通过结合CNN和Transformer的模块增强故障信息提取能力，再利用度量网络计算相似度，提升诊断精度。