标签
本文介绍了诊断证据网络（DENet），一个多任务框架，它将基于AI的轴承故障诊断扩展为生成物理可验证的证据，例如预测的特征频率和脉冲的时间定位，同时使用QLoRA适配的语言模型生成受限的诊断报告，以减少幻觉内容。
提出了一种知识引导的两阶段迁移学习框架，采用轻量级GPT-2风格的Transformer，用于有限数据下的跨域轴承故障诊断，在仅使用10%标记数据的情况下实现了92.61%的准确率。