基于工业大模型的分布式非独立非同分布的故障诊断方法

本申请涉及一种基于工业大模型的分布式非独立非同分布的故障诊断方法。所述方法包括：收集时序数据集，采用规整器和映射器对所述时序数据集进行预处理，得到上游预训练数据集；收集工业场景的故障诊断样本，建立多个非独立非同分布的下游数据集；搭建基于编码器、视觉特征提取器和分类器的工业故障诊断大模型，其中，所述编码器用于初步提取时序信号特征，所述视觉特征提取器用于特征提取，所述分类器用于预测样本标签；基于上游预训练数据集预训练所述工业故障诊断大模型；基于下游数据集微调所述预训练后的工业故障诊断大模型，将训练后的工业故障诊断大模型个性化部署到任务终端设备上，采用工业故障诊断大模型进行任务终端设备的故障诊断。