一种证据约束的工业故障诊断与决策方法及系统与流程

摘要: 本发明涉及工业故障诊断与决策领域,具体涉及一种证据约束的工业故障诊断与决策方法及系统。背景技术:1、工业设备通常同时产生温度、振动、电流、压力、声学信号、控制器...
一种证据约束的工业故障诊断与决策方法及系统与流程

本发明涉及工业故障诊断与决策领域,具体涉及一种证据约束的工业故障诊断与决策方法及系统。

背景技术:

1、工业设备通常同时产生温度、振动、电流、压力、声学信号、控制器报警和维护记录等多源运行数据。现有状态监测系统多以单变量阈值或单一模型输出故障告警,难以统一处理不同采样频率、不同时间窗口和不同来源可靠度的数据,导致同一异常在不同系统中形成相互割裂的判断,严重影响了诊断的准确性和实时性。

2、近年来,大语言模型和多智能体技术被逐步引入工业故障分析流程,以期通过多个专用智能体的协同工作提升诊断能力。然而,这类技术在实际工业部署中存在以下突出问题:

3、第一,多智能体生成的诊断结论往往缺少与原始传感器观测、维护记录或工业规则的显式绑定,导致结论难以追溯至具体证据。一旦输出错误,无法通过回溯证据进行复核和纠正,严重削弱了诊断结果的可信度。

4、第二,各智能体通常采用不同的输入输出格式,自然语言输出难以被工业软件稳定解析,不利于与现有工业自动化系统集成。

5、第三,当已有证据不足以支撑确定性诊断时,现有系统通常仅输出低置信度结论或简单告警,无法主动请求补充观测,导致诊断过程停滞或依赖人为介入。

6、第四,涉及设备控制参数修改、降载或停机的高风险决策缺少安全门控和授权机制,存在误操作风险。

7、因此,亟需一种面向工业设备的闭环诊断与决策技术方案,能够将边缘侧异常检测、工业知识图谱检索、多智能体协同推理、证据融合与覆盖评估、主动追加观测和安全决策约束有机连接,使每个候选故障和处置建议均可回溯至具体证据,并且在证据不足时能够自动规划补充观测,在高风险动作前实施严格的安全授权。

技术实现思路

1、本发明的目的在于提供一种证据约束的工业故障诊断与决策方法及系统,以解决现有工业故障诊断中多源数据难以关联、智能体输出缺少证据约束、证据不足时无法主动补采以及高风险建议缺少安全门控的问题。

2、本发明采取如下技术方案实现上述目的,第一方面,本发明提供一种证据约束的工业故障诊断与决策方法,包括:

3、获取工业设备的多源运行数据,对所述多源运行数据进行时间对齐、质量评估和异常检测,生成异常事件及与所述异常事件关联的证据项;

4、根据所述异常事件中的设备对象、异常变量和时间窗口,在工业知识图谱中检索故障模式、故障机理、部件拓扑及维护规则,构建候选故障子图;

5、由多智能体编排器将所述异常事件和候选故障子图分发至异常分析智能体、知识检索智能体、故障推理智能体、规则校验智能体和决策智能体,并接收各智能体返回的结构化消息;

6、基于所述结构化消息计算各候选故障的融合置信度和证据覆盖率并执行一致性校验;

7、当所述证据覆盖率或一致性校验结果不满足预设门控条件时,生成追加观测任务并回传至边缘侧采集节点;

8、当所述门控条件满足时,输出包含候选故障排序、证据链、置信度、处置等级和安全约束的诊断决策结果。

9、进一步的是,所述异常事件至少包括任务标识、设备标识、变量标识、观测值、基准值、异常方向、时间戳和时间窗口;

10、所述证据项至少包括证据标识、证据版本号、证据状态、父证据标识、来源标识、采集时间、数据质量、支持对象和证据置信度,并通过任务标识与相应异常事件绑定;

11、所述证据状态包括初始、已核实、已废弃和已更新;当证据被修正或补充时,生成新版本证据并通过父证据标识与旧版本关联,形成证据版本链;所述证据覆盖率计算仅统计状态为已核实或已更新的证据项。

12、进一步的是,构建候选故障子图包括:

13、以所述设备对象和异常变量为起始节点,沿部件从属关系、变量表征关系、故障导致关系和规则约束关系执行限定跳数检索;

14、根据边的来源可靠度、时间有效性、设备适配度以及历史诊断反馈动态调整的权重,对检索路径进行加权;

15、保留路径权重大于路径阈值的故障节点及其证据关系,形成可供故障推理智能体使用的候选故障子图;

16、其中,所述历史诊断反馈动态调整包括:当知识路径被历史诊断验证为正确时增加该路径权重,当被验证为错误时降低该路径权重,权重调整幅度与验证结果的置信度正相关。

17、进一步的是,所述多智能体编排器按照任务依赖图并行触发异常分析智能体和知识检索智能体,在二者均返回后触发故障推理智能体;

18、所述故障推理智能体输出多个候选故障后,若不同候选故障之间存在证据冲突,则触发智能体间证据协商流程:异常分析智能体、知识检索智能体和故障推理智能体分别输出各自引用的证据集合,通过交叉验证识别共识证据和分歧证据;共识证据直接参与融合置信度计算,分歧证据经协商仲裁后确定其有效性;协商无法达成一致的分歧证据标记为待核实状态,触发追加观测任务;

19、所述决策智能体仅在规则校验智能体返回通过状态且证据协商完成时生成可执行处置建议。

20、进一步的是,所述结构化消息至少包括消息标识、任务标识、发送方、接收方、消息类型、目标对象、载荷和时间戳,并包括证据引用集合和消息置信度中的至少一项;所述多智能体编排器根据任务标识完成消息关联,根据证据引用集合回溯至原始证据项及其版本链。

21、进一步的是,第i个候选故障的融合置信度ci按照下式确定:ci=σ(αri+βki+γmi-δqi),其中,σ为归一化函数,ri为异常变量与故障表征的匹配度,ki为候选故障子图的知识路径支持度,mi为故障推理智能体输出的模型置信度,qi为证据缺失和证据冲突形成的质量惩罚项,α、β、γ和δ为非负权重。

22、进一步的是,第i个候选故障的证据覆盖率ei为:

23、该候选故障已获得证据支持的必需观测项权重之和与全部必需观测项权重之和的比值;

24、所述门控条件至少包括融合置信度ci不低于置信度阈值、证据覆盖率ei不低于覆盖率阈值、关键安全规则无冲突以及证据项未超过有效时间窗口;

25、所述置信度阈值和覆盖率阈值根据设备类型、故障等级和历史诊断准确率动态调整:对历史诊断准确率高于第一预设阈值的设备类型采用第一阈值配置;对历史诊断准确率低于第二预设阈值的设备类型采用第二阈值配置,所述第二阈值配置的各项阈值高于第一阈值配置;对安全等级为高风险的故障采用高于常规等级的阈值配置。

26、进一步的是,所述追加观测任务包括待观测变量、采集位置、采样时间窗、采样频率或数据源、任务优先级、观测轮次标识、迭代终止条件和终止条件;

27、边缘侧采集节点完成当前轮次追加观测后,将新增证据项绑定至原任务标识,并触发候选故障子图和融合置信度的增量更新;

28、若门控条件仍未满足且未达到迭代终止条件,则根据新增证据对各候选故障区分度的边际贡献,选择下一轮次待观测变量并生成新的追加观测任务;

29、所述迭代终止条件包括达到最大迭代轮次、新增证据的边际区分度低于预设贡献阈值、或所有候选故障的置信度差异超过预设区分阈值。

30、进一步的是,所述处置等级包括信息提示、人工复核、计划维护、降载运行和安全停机五个级别,每个级别配置不同的证据充分性要求、授权层级和回退策略;

31、系统维护实时风险评分,根据设备运行状态、故障严重程度和环境因素动态计算;当实时风险评分超过预设风险阈值时,自动提升处置等级的安全要求;

32、当决策结果涉及改变设备控制参数、降载或停机时,决策智能体将动作标记为待授权,并输出触发该动作的规则、证据链、授权主体、回退条件和风险评分依据。

33、第二方面,本发明提供一种证据约束的工业故障诊断与决策系统,用于实现所述证据约束的工业故障诊断与决策方法,包括:

34、边缘数据接入模块,用于获取多源运行数据并执行时间对齐、质量评估和异常检测;

35、证据规范化模块,用于将异常事件转换为标准化的证据项,对证据项分配版本号、管理证据状态和版本链,并通过任务标识将证据项与相应异常事件绑定;

36、知识图谱检索模块,用于构建候选故障子图,并根据历史诊断反馈动态调整知识图谱中边的路径权重;

37、多智能体协同模块,用于执行异常分析、知识检索、故障推理、规则校验和决策任务,并在候选故障之间存在证据冲突时触发智能体间证据协商;

38、证据融合与门控模块,用于确定融合置信度、证据覆盖率和一致性校验结果,并根据设备类型、故障等级和历史诊断准确率动态调整门控阈值;

39、主动诊断模块,用于在门控条件不满足时生成包含观测轮次标识和迭代终止条件的追加观测任务,并在多轮迭代后根据新增证据的边际区分度动态规划后续观测;

40、决策输出模块,用于在门控条件满足时输出包含证据链、处置等级、安全约束、风险评分依据和回退条件的诊断决策结果。

41、与现有技术相比,本发明具有以下有益效果:

42、证据可追溯性增强:通过证据版本管理和全生命周期追踪(初始、已核实、已废弃、已更新),每个诊断结论不仅可追溯至原始观测,还可追溯证据的更新历史和派生路径,提升了诊断结果的可信度和可复核性。

43、知识图谱自进化能力:通过历史诊断反馈动态调整知识路径权重,使知识图谱具备在线学习能力,克服了静态知识图谱无法适应设备状态变化的缺陷。

44、智能体协同深度提升:通过智能体间证据协商机制,将智能体从独立推理升级为协同论证,有效解决了多智能体输出冲突时的决策困境。

45、门控条件场景自适应:通过动态调整置信度阈值和覆盖率阈值,使诊断决策的严苛程度与设备特性、故障风险和历史表现相匹配,避免了固定阈值导致的误报或漏报。

46、主动诊断闭环迭代优化:通过多轮迭代追加观测策略,实现了“观测-诊断-再观测”的智能迭代闭环,使证据采集从被动响应升级为主动规划,有效降低诊断不确定性。

47、安全约束层级化精细化:通过五级处置等级和动态风险评分,实现了安全策略的精细化管理,高风险动作需经多重验证和授权,有效隔离了误操作风险。