一种基于LLM的智能终端控制命令生成执行方法及系统与流程

摘要: 本发明涉及一种基于llm的智能终端控制命令生成执行方法及系统,属于智能终端控制。背景技术:1、近年来,深度学习技术与大规模语料数据集共同推动自然语言处理领域实现...
一种基于LLM的智能终端控制命令生成执行方法及系统与流程

本发明涉及一种基于llm的智能终端控制命令生成执行方法及系统,属于智能终端控制。

背景技术:

1、近年来,深度学习技术与大规模语料数据集共同推动自然语言处理领域实现了突破性进展,其中大语言模型凭借大规模预训练结合下游任务微调的技术路线,在文本生成、语言理解、任务规划等多个领域展现出强大能力,成为自然语言处理领域的核心研究方向。大语言模型的技术优势来源于庞大的模型规模、强大的上下文理解能力与广泛的场景适应性,不仅在通用文本任务中表现优异,在跨语言理解、多模态学习、知识融合等方向同样具备拓展潜力,为智能系统、工业控制等领域的技术升级提供了全新路径。

2、在工业终端控制领域,传统控制模式多依赖人工操作或预设规则引擎,存在场景适配性差、响应滞后、优化迭代效率低等固有缺陷,难以应对复杂多变的工业生产环境。现有基于自然语言的控制方案普遍存在指令生成准确率不足、工业领域适配性弱、缺乏执行过程全链路监控与闭环优化机制的问题,无法满足工业场景对控制精度、响应速度与运行稳定性的严苛要求。基于此,本发明提出一种基于 llm 的智能系统终端控制命令生成与执行监控方法,构建从数据采集、指令生成、执行监控到反馈优化的完整技术链路,实现工业终端控制的智能化、自动化与持续闭环优化。

3、因此,亟需一种能够按照时序依次执行数据采集与质量校验、数据预处理与特征提取、工况标签映射与提示文本生成、大语言模型指令生成、候选指令筛选优化、终端执行与实时监控、反馈数据融合与模型优化的智能终端控制命令生成执行方法及系统。

技术实现思路

1、为了解决上述现有技术中存在的问题,本发明提出了一种基于llm的智能终端控制命令生成执行方法及系统。

2、本发明的技术方案如下:

3、一方面,本发明提出一种基于llm的智能终端控制命令生成执行方法,包括以下步骤:

4、采集智能矿山设备终端原始多维时序数据并进行插值补全,得到完整多维时序数据集;

5、对完整多维时序数据集进行时序去噪处理,得到去噪特征数据;

6、通过主成分分析对去噪特征数据进行降维处理,输出满足预设累计方差贡献率阈值的紧凑特征集;

7、将紧凑特征集输入预训练的多标签工况映射模型,输出各预设控制标签的概率分布,经概率解码得到当前工况对应的控制标签;结合设备属性与控制约束条件,基于控制标签生成结构化的提示词文本序列;

8、将提示词文本序列输入大语言模型生成候选控制指令集,对候选控制指令集进行语义特征提取得到各指令的语义特征向量;基于各语义特征向量计算指令间语义相似度并构建指令相似度矩阵;结合各候选指令对应的历史执行有效性权重,基于相似度矩阵采用边缘优化筛选策略进行寻优筛选,得到最优控制指令并下发至终端设备执行。

9、优选的,所述时序去噪处理采用卡尔曼滤波算法,通过状态递推更新计算得到去噪状态估计值,具体步骤包括:

10、在离散处理步长下,将完整多维时序数据集中确定类别的数据在对应时刻的数值,直接映射赋值给卡尔曼滤波算法的实际观测输入;

11、利用预设的状态转移矩阵、观测矩阵以及卡尔曼增益矩阵进行状态递推更新,计算输出当前离散处理步长下的状态更新估计值作为去噪状态估计值。

12、优选的,所述方法通过主成分分析对去噪特征数据进行降维处理的步骤包括:

13、将去噪后的多维度时序数据集进行零均值化处理,并通过样本协方差无偏估计计算得出数据协方差矩阵;

14、将数据协方差矩阵的特征值按从大到小的顺序进行排序,利用选择优化算子筛选出使得所有特征值的累计方差贡献率不小于预设阈值的最小保留主成分数量;

15、基于最小保留主成分数量对去噪特征数据进行降维特征提取,输出紧凑特征集。

16、优选的,所述预训练的多标签工况映射模型由长短期记忆网络与多标签循环神经网络集成构成,所述概率解码为最大值解码;控制标签获取与结构化提示词构建的具体步骤包括:

17、利用输出层激活函数将长短期记忆网络隐藏层的输出状态向量映射为标签概率分布;

18、将多标签循环神经网络中各子网络计算链路的原始预测输出结果与对应的残差项进行加权求和,得到集成预测结果;

19、将集成映射输出的标签概率分布经最大值解码,输出当前工况对应的控制标签。

20、优选的,所述方法对候选控制指令集进行语义特征提取并构建指令相似度矩阵的步骤包括:

21、调用预设的文本表示模型将大语言模型输出的纯文本形式的各候选指令转化为高维的语义特征向量;

22、通过t-sne算法将各语义特征向量降维至二维空间;

23、在二维空间内通过对任意两个候选指令降维后的特征进行余弦相似度计算,构建得到候选指令之间的相似度矩阵。

24、优选的,所述边缘优化筛选策略采用最大边缘准则优化算子实现,筛选最优控制指令的具体步骤包括:

25、从相似度矩阵中提取两两候选指令间的语义相似度;

26、获取每条候选指令对应的历史有效性权重;

27、利用最大边缘准则优化算子,计算各个语义相似度与对应的历史有效性权重的乘积,并通过使乘积极大化,从候选指令集中筛选并输出最优的终端控制指令。

28、优选的,所述方法还包括模型反馈优化步骤:

29、实时采集终端设备执行的实际运行参数,并计算实时指令执行误差与综合执行状态得分;

30、将实时指令执行误差、综合执行状态得分和预设的用户满意度评分输入至强化学习奖励函数中,计算输出强化学习奖励值;

31、基于强化学习奖励值,利用梯度上升法对长短期记忆网络与多标签循环神经网络的模型参数进行动态更新迭代。

32、另一方面,本发明提出一种基于llm的智能终端控制命令生成执行系统,包括以下模块:

33、数据采集补全模块,用于采集智能矿山设备终端原始多维时序数据并进行插值补全,得到完整多维时序数据集;

34、时序去噪模块,用于对完整多维时序数据集进行时序去噪处理,得到去噪特征数据;

35、主成分降维模块,用于通过主成分分析对去噪特征数据进行降维处理,输出满足预设累计方差贡献率阈值的紧凑特征集;

36、工况映射与提示词构建模块,用于将紧凑特征集输入预训练的多标签工况映射模型,输出各预设控制标签的概率分布,经概率解码得到当前工况对应的控制标签;结合设备属性与控制约束条件,基于控制标签生成结构化的提示词文本序列;

37、大模型指令生成执行模块,用于将提示词文本序列输入大语言模型生成候选控制指令集,对候选控制指令集进行语义特征提取得到各指令的语义特征向量;基于各语义特征向量计算指令间语义相似度并构建指令相似度矩阵;结合各候选指令对应的历史执行有效性权重,基于相似度矩阵采用边缘优化筛选策略进行寻优筛选,得到最优控制指令并下发至终端设备执行。

38、再一方面,本发明还提出一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明任一实施例所述的方法。

39、再一方面,本发明还提出一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任一实施例所述的方法。

40、本发明具有如下有益效果:

41、1、本发明提出一种基于llm的智能终端控制命令生成执行方法及系统,通过对原始多维时序数据进行丢包质量控制与插值补全,并在预处理流程中调用卡尔曼滤波算法进行状态递推更新去噪,结合主成分分析算法按照特征值排列提取满足累计方差贡献率阈值的紧凑特征集,有效消除了传感器物理特性以及外部环境干扰带来的随机噪声,在完整保留原始采集数据核心工况信息的同时实现数据特征的紧凑降维,为后续环节提供了高精度的特征输入。

42、2、本发明提出一种基于llm的智能终端控制命令生成执行方法及系统,通过构建由长短期记忆网络与多标签循环神经网络协同组成的集成映射模型,利用长短期记忆网络隐藏层提取时序长程依赖特征并进行概率分布映射,同时结合多标签循环神经网络中各独立子网络计算链路的原始预测输出与对应残差项进行加权求和,能够通过双网络融合映射与最大值解码精准提取当前工况对应的控制标签,进而无缝结合预设的工业控制指令模板自动转化为结构化提示词文本序列,显著提高了大语言模型输入前序文本构建的工业语义表达精度与工况适配能力。

43、3、本发明提出一种基于llm的智能终端控制命令生成执行方法及系统,通过大语言模型基于结构化提示词文本序列产生候选控制指令,调用预设文本表示模型提取语义特征向量并结合降维计算建立相似度矩阵,利用最大边缘准则优化算子计算语义相似度与历史有效性权重的乘积进行极大化筛选以输出最优控制指令下发终端执行,并辅以执行端实时运行参数驱动的强化学习奖励函数计算及梯度上升法在线模型参数动态更新,实现了覆盖数据采集、智能生成、科学筛选到自适应闭环自愈修正的全技术链路终端控制,大幅提升了复杂场景下控制命令的生成准确性、执行时效性与系统的持续动态进化能力。