基于时间序列基础模型的数据高效电机状态监测
信号处理
2025-12-03 v2 系统与控制
系统与控制
摘要
电机状态监测对于确保系统可靠性和防止灾难性故障至关重要。然而，数据驱动的诊断方法常常面临标签稀缺和类别不平衡的问题，这限制了其在实际应用中的有效性。本文提出了一种电机状态监测框架，利用两个时间序列基础模型（MOMENT和Mantis）在预训练期间学习的通用特征，以解决上述挑战。通过从大规模预训练中转移广泛的时间表征，所提出的方法显著减少了对标记数据的依赖，同时保持高水平的诊断准确性。实验结果表明，MOMENT仅使用1%的训练数据即可实现传统深度学习模型的近两倍性能，而Mantis通过22%的性能提升，达到90%的准确率。这些结果表明，时间序列基础模型在故障诊断中具有强大的泛化能力和数据效率，为智能电机状态监测提供了新的见解。
引用
@article{arxiv.2511.23177,
title = {Data-Efficient Motor Condition Monitoring with Time Series Foundation Models},
author = {Deyu Li and Xinyuan Liao and Shaowei Chen and Shuai Zhao},
journal= {arXiv preprint arXiv:2511.23177},
year = {2025}
}