本研究提出了一种新的基于图的旋转机械故障诊断框架，结合熵优化信号分割和时频特征提取，实验结果显示在两个数据集上准确率高达99.8%，并在高噪声环境中表现良好，具有工业应用潜力。

该研究提出了一种统一的RmGPT模型，通过信号令牌框架和自我监督学习，提高了旋转机械在诊断和预测任务中的准确性，尤其在少样本学习中表现出色。