MATLAB
实现基于视觉变压器（
ViT）进行故障诊断分类预测的详细项目实例
请注意此篇内容只是一个项目介绍
更多详细内容可直接联系博主本人
或者访问对应标题的完整博客或者文档下载页面（含完整的程序，
GUI设计和代码详解）
随着工业自动化、智能制造及能源产业的持续升级，机电系统的复杂度大幅提升，导致设备故障的形式日益多样且隐藏性增强。传统的故障诊断方法基于经验规则、人工特征提取及传统机器学习手段，在复杂环境下的鲁棒性和泛化能力表现有限。近几年，深度学习因其强大的端到端特征提取与建模能力，已逐渐成为智能故障诊断领域的主流技术路线。然而，大多数工业信号与图像数据往往蕴含着复杂非线性特征交互和局部空间联系，基于卷积神经网络（CNN）的模型虽然可以自主学习局部特征，但在全局信息提取、长距离依赖建模等方面存在一定短板。同时，实际工业故障数据样本通常存在数量有限、类别不平衡等问题，这进一步加剧了传统深度模型的训练难度，影响模型的泛化性能。
近年来，Transformer模型在自然语言处理及计算机视觉领域表现出极强的全局建模能力和迁移能力，尤其是其进化版本——视觉变压器（ViT, Vision  ...