技术博客

上海交通大学航空航天学院李元祥教授团队联合上海创智学院及复旦大学数据科学学院的研究人员，针对航空发动机运维管理中的复杂时序问题，开发了一种创新的时序-语言桥接架构——ITFormer。该架构通过融合大型模型技术，有效提升了对航空发动机运行数据的分析能力，显著优化了故障预测与维护决策的准确性。在多个测试基准上，ITFormer的表现超越了ChatGPT-4o，达到了当前最佳状态（SOTA），为航空发动机的智能化运维管理提供了全新的解决方案。

在航空发动机领域，利用大型模型处理复杂的时序数据问题已成为提升性能、超越ChatGPT-4o并实现行业最佳（SOTA）的关键技术。时序数据分析对于工业监控和医疗诊断等多个领域至关重要。尤其在航空发动机监控这一复杂工业应用场景中，工程师需要分析来自多个通道传感器的海量数据，以准确判断设备状态并制定相应的维护决策。通过引入先进的大型模型技术，不仅能够显著提高数据分析的效率和准确性，还能推动整个行业的智能化进程，迈向更高水平的自动化与可靠性。