LoRM：学习旋转机械语言以进行自监督状态监测

我们提出了 LoRM（旋转机械语言），这是一种用于多模式旋转机械信号理解和实时状态监测的自监督框架。 LoRM 的基础是旋转机械信号可以被视为一种机器语言：本地信号可以被标记为离散的符号单元，并且可以从观察到的多传感器上下文来预测它们未来的演变。与依赖手工变换和特征的传统信号处理方法不同，LoRM 将多模态传感器数据重新表述为基于标记的序列预测问题。对于每个数据窗口，观察到的上下文片段以连续形式保留，而每个传感通道的未来目标片段被量化为离散词元。然后，通过工业信号上的通用预训练语言模型微调部分实现高效的知识转移，避免了从头开始训练大型模型的需要。最后，通过跟踪词元预测错误作为健康指标来执行状态监控，其中增加的错误表明性能下降。原位工具状态监测 (TCM) 实验证明了稳定的实时跟踪和强大的跨工具泛化能力，表明 LoRM 在语言建模和工业信号分析之间提供了一座实用的桥梁。源代码可在 https://github.com/Q159753258/LormPHM 上公开获取。