S2S-FDD：桥接工业时间序列与自然语言以实现可解释零样本故障诊断

故障诊断对工业系统的安全运行至关重要。传统诊断模型通常输出异常分数或故障类别等抽象结果，无法回答"为什么"或"如何维修"等关键运维问题。尽管大语言模型（LLM）具备强泛化与推理能力，但其对离散文本语料的训练在处理高维时序工业信号时造成语义鸿沟。为应对该挑战，我们提出信号到语义故障诊断（S2S-FDD）框架，通过两项关键创新架起高维传感器信号与自然语言语义之间的桥梁：我们首先设计信号到语义算子，将抽象时间序列信号转换为自然语言摘要，捕捉趋势、周期性与偏差。基于这些描述，我们设计了多轮树状结构诊断方法，通过参考历史维修文档并动态查询补充信号来执行故障诊断。该框架还支持人在回路反馈以持续改进。在多相流过程上的实验表明了所提方法在可解释零样本故障诊断方面的可行性与有效性。