最近，上海北海大学航空与宇航学院的李Yuanxiang教授团队与上海飞机设计研究所和中国东部航空公司技术有限公司联合起来，在国内国内国内大型飞机核心系统中取得了重要的成功。研究团队专注于气体引起的系统的跨模型问题，首次建立了一个基于定时模型的统一诊断框架，从而实现了从成熟模型中有效地转移外科手术知识，例如AIRBUS A320和A330，例如AIRBUS A320和A330向国内C919，这为缺乏数据管理的早期管理健康管理提供了智能解决方案。与传统方法更依赖于单个飞机模型的传统方法（具有有限的模型容量且宽容的慷慨）相比，这项研究提出了一种方法，该方法是一种监督“猜测下一个信号令牌”的预训练方法，该方法共同使用来自三种类型的飞行数据IRCRCT进行培训，并成功识别一般信号健康表示。在此基础上，设计了高度适应工程场景的联合损失，这显着改善了模型在下游异常检测和基线猜测活动中的性能。研究进一步证明，基于大型模型可以有效打破飞机模型的障碍并实现诊断知识的共享和转移的时机基于时机的飞行系统执行模型方法。相关论文由高级工程信息学（Advanced Engineering Informatics）进行了批评，这是国际工程信息学领域的主要期刊。 https://www.sciendirect.com/science/article/pii/s1474034625001685https://arxiv.org/pdf/2504.09090背景介绍溢出的空气系统（BAS）是确保飞行安全和乘客的核心链接，以确保飞行安全和乘坐数量的纽约。ation，空调空气供应和发动机冰保护。由于系统的工作环境复杂，并且高度取决于压缩机的空气供应机器，因此BAS的常见故障（例如过压，低压和过量热量）不仅经常发生，而且还可以导致机舱减压，设备损坏甚至安全事故，这已成为影响稳定飞行任务的重要隐藏风险。该研究的研究主要取决于在特定飞机模型上开发的统计模型或轻型深度模型。尽管它在健康监测和风险评估中具有特定的有效性，但它面临两个主要瓶颈：一个是强烈依赖于特定飞机模型的数据分布的模型，并且在各种飞机平台之间很难移动和使用；其他人则取决于大量的故障标签，因此很难适应困难的实际情况在新飞机（例如C919）操作的早期阶段的数据。尤其是在国内飞机服务的持续进展中，如何与许多飞机模型共享诊断知识，较低的MGA数据阈值以及改善模型将军的能力已成为工程社区需要解决的一个主要问题。解决难度问题在多个模型之间转移诊断和缺乏C919数据的问题的主要变化，该团队提出了基于计时模型的单个诊断框架。该团队建立了三种型号：A320，A330和C919空气系统飞行数据集的设计，并设计了自我研究的策略，以允许该模型学会在不依赖故障标签的情况下采用许多飞机模型的常见健康状况功能。在此基础上，该团队设计了一个联合损失功能，该功能结合了基线预测和基于事实的异常发现，几乎没有失败的例子新工程模型的URE。这种机制不仅可以提高模型在较低的浮动活动中的灵活性，而且使诊断结果更具解释性。结果表明，该模型在许多活动中的性能都比现有方法更好，尤其是在具有广泛数据的C919等场景中，准确性的速度显着提高。与没有预训练的人相比，基于流动模型的前运动任务的准确性和准确性显着超过了当前流行的SOTA方法，并且性能也将显着提高，这证实了该系统中预训练的有效性。视觉评估进一步证实了模型表示的能力。 T-SNE在二维空间中映射了不同MGA模型的信号语义。结果表明，该模型可以清楚地划分正常和异常状态，即使有差异的传感器调整，它仍然具有良好的歧视C能力。此外，团队还探索了模型大小与任务性能之间的关系。结果表明，当添加参数数量的数量是在结构保持不变的前提中时，模型预测的准确性会相应地增加，这反映了显着效果。它为构建具有更高容量和更强大未来功能强大的主要飞行信号模型的构建提供了支持。未来的研究方向研究本研究表明，应用模型对行业的计时蛋白复杂方案的潜力，例如缺乏系统的数据和异质性。它不仅为国内大型飞机的早期运行提供了有效的健康保护，而且还为我所在国家（例如铁路，能源系统，劳动力线等）的普遍智能诊断带来了技术灵感。通过团结模型的能力，共享知识，D适合不同的系统，将提供新的想法，以升级运营和维护各种行业方案。将来，研究团队将进一步扩大关键关键系统范围的建模，建立一个参数时序模型，涵盖许多子系统，例如机器，空调系统，辅助设备等，并促进对系统和许多模型的单个模型和诊断研究。同时，该团队还计划介绍多源信息，例如文本和地图，以制作多模式模型架构，其中包括飞行出勤信号和维护记录，机舱声音等。