热点事件观察中

TFC-MMFD：旋转机械故障诊断多模态基础模型

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Xinyu Zou 等作者提出时间-频率-条件多模态融合基础模型 TFC-MMFD，用于多元素异构场景下的旋转机械故障诊断。该模型以 LLaMA 为主干，将统计指标、时频图像、振动序列与机器条件文本统一 token 化后做故障诊断。作者报告，在十个公开轴承数据集的四项递进任务上，该模型达到 99.40% 准确率和 99.16% macro-F1；在多数插值未见工况下无需适配仍保持 80% 以上准确率；每类仅五个标注样本时，在新机器上从 20.26% 提升至 95.63%。

AI 根据报道生成 · 10 小时前更新

最新进展11月14日 13:00

TFC-MMFD：面向多元素异构场景的旋转机械故障诊断时频条件多模态融合基础模型

报道时间线

沿着报道，了解事件的不同侧面。

11月14日

13:00
arXiv cs.AI
TFC-MMFD：面向多元素异构场景的旋转机械故障诊断时频条件多模态融合基础模型
TFC-MMFD 是一个基于 LLaMA 主干的时频条件多模态融合基础模型，将统计指标、时频图像、振动序列与机器条件文本统一 token 化后做故障诊断。在十个公开轴承数据集的四项递进任务上，它达到 99.40% 准确率和 99.16% macro-F1，多数插值未见工况下无需适配仍保持 80% 以上准确率，每类仅五个标注样本时在新机器上从 20.26% 提升至 95.63%。

本事件热度走势

可比范围当前: 5
可比范围峰值: 711月15日 04:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。