【摘要】针对空间站科学装置遥测数据在健康管理中因时变性、关联性及概念漂移等带来的异常检测与趋势预测难题，提出了一种基于跨模态时序大模型的通用检测与预测方法。通过构建融合反向实例归一化与时间分块技术的特征对齐框架，将大语言模型在大规模预训练中形成的强泛化能力迁移至时序数据，实现跨装置、零样本时序数据分析，有效应对不同领域装置数据的多样性问题。在公开数据集与实际航天工程数据集上的实验结果表明：该方法在异常检测任务上的平均精度较次优基线模型提升5.2%,在趋势预测任务上的平均精度较次优基线模型提升15.4%，验证了所提出方法在零样本条件下对时序数据异常检测与趋势预测任务的应用效果。

【关键词】异常检测；趋势预测；跨模态；时序大模型；零样本学习

【作者】范梓萌，宋磊，高颂，张竞菲，王红飞，李绪志