面向可靠性感知的物理引导型Tiny-Mamba变换器用于早期故障预警

可靠性导向的轴向 machinery 预测诊断要求早期预警信号在非平稳运行条件下保持准确，跨速度、负载、传感器和机器的域迁移，同时严重类别不平衡，还要保持误报率小且可预测。我们提出物理引导型Tiny-Mamba变换器（Physics-Guided Tiny-Mamba Transformer, PG-TMT），一个为在线条件监控所设计的紧凑三支编码器。一个深度可分离卷积干扰柱捕获冲击类微瞬态，一个Tiny-Mamba状态空间支路建模长期退化动力学，一个轻量级局部Transformer编码跨信道共振。我们推导了一种时频映射，将模型的注意力频谱与经典轴承故障阶次带相结合，产生一种频段对齐得分，用于量化物理合理性并提供物理导向的解释。为确保决策可靠性，健康得分超出以极值理论（Extreme Value Theory, EVT）建模，实现目标误报强度（events per hour）；双阈值滞回与最小保持时间进一步抑制报警噪声。在CWRU、Paderborn、XJTU-SY和工业试点上采用无泄漏的流式协议，PG-TMT在高保真-召回AUC、竞争或更好的ROC AUC、更短的检测平均时间以及在匹配误报强度下的跨域迁移方面表现突出。通过将物理对齐表示与EVT校准的决策规则耦合，PG-TMT为可靠性导向的预测诊断和健康管理提供了已校准、可解释且可部署的早期警报。