基于多模态大模型与概率因果图谱的电梯故障智能处理系统及方法与流程

摘要: 本技术属于电梯维保,具体地说,涉及一种基于多模态大模型与概率因果图谱的电梯故障智能处理系统及方法。背景技术:1、在传统电梯故障处理模式下,故障处置全程以人工为核...
基于多模态大模型与概率因果图谱的电梯故障智能处理系统及方法与流程

本技术属于电梯维保,具体地说,涉及一种基于多模态大模型与概率因果图谱的电梯故障智能处理系统及方法。

背景技术:

1、在传统电梯故障处理模式下,故障处置全程以人工为核心:当电梯触发故障码报警后,运维调度人员人工接报并研判故障等级,指派急修人员赶赴现场;现场作业人员通过查阅故障手册、请求远程技术协助的方式匹配故障对应处置方案,结合自身经验逐一排查部件、定位故障根源并完成维修。该模式下故障处理高度依赖人员技术水平与经验积累,面对多故障并发、隐性故障等复杂场景时,排查周期长、处置效率低,且易因人员能力差异导致排障质量不稳定,难以适配高负荷运行场景下的应急响应需求。

2、随着智能运维技术发展,大模型与知识图谱逐步应用于电梯运维领域,一定程度上提升了故障诊断的智能化水平,但仍存在明显局限。例如公开号为cn 122066144 a的专利申请提出一种大模型与知识图谱协同的电梯全周期运维决策方法,可实现故障预测与维保方案生成,但其方案着眼于事前预测性维保,知识图谱仅用于部件关联检索与检修流程匹配,未建立量化的故障因果传播推理机制,对已发生故障的应急精准处置支撑不足;又如公开号为cn 122241051 a的专利申请提出一种电梯故障诊断与处理系统,通过因果规则匹配生成可视化故障导航辅助现场作业,但其处置环节始终以人工执行为核心,未构建自动化处置工作流,无法实现分级差异化的故障自愈,且物业、配件等业务系统间数据互通性差,缺乏统一的协同调度机制。

3、因此,现有技术仍存在故障根因定位可解释性弱、处置自动化程度偏低、多系统协同能力不足、轻微故障自愈能力缺失、模型能力迭代滞后等技术问题,缺乏自动化故障处理策略以及各业务系统协同交互智能化排障机制。

技术实现思路

1、为解决现有技术存在的上述问题,本技术提供一种基于多模态大模型与概率因果图谱的电梯故障智能处理系统及方法。

2、在一个方案中,一种基于多模态大模型与概率因果图谱的电梯故障智能处理系统,系统由电梯、故障处理执行终端、智能化故障处理系统、知识库系统及第三方交互平台相互协同形成系统架构。

3、其中,电梯作为前端感知与受控执行对象,通过数据传输单元将整梯及部件的运行数据、故障数据、状态参数实时上传至智能化故障处理系统,同时接收系统下发的控制与处置指令,实现状态上行与指令下行的双向交互。

4、智能化故障处理系统包括故障处理子系统和多模态大模型子系统,故障处理子系统承担数据接入、设备基础信息管理与业务调度职能;多模态大模型子系统执行从数据输入到故障因果推理,及处置决策的全链路智能处理。

5、知识库系统为智能化故障处理系统提供底层领域知识支撑,存储结构化故障案例与非结构化技术文档的专家知识。

6、故障处理执行终端是供维保技术人员现场作业使用的交互载体,与智能化故障处理系统双向联动。

7、第三方交互平台通过标准化api连接池与智能化故障处理系统对接,实现外部系统的数据互通与指令协同。

8、在一个方案中,为实现上述目的,本技术还提供了一种基于多模态大模型与概率因果图谱的电梯故障智能处理方法,方法用于实施上述的基于多模态大模型与概率因果图谱的电梯故障智能处理系统,方法包括如下步骤:

9、s1、通过电梯物联网、系统集成的方式全维度采集电梯运行、故障、部件及空间场景的多源异构数据,并通过标准化预处理消除数据格式、频率、维度差异,输出适配模型与图谱推理的统一格式数据;

10、s2、对不同模态张量数据分别采用对应模态编码器进行独立编码,再通过模态标识嵌入与特征拼接实现多维度信息的深度融合,生成统一维度的多模态融合特征张量;

11、s3、利用时序多模态大模型对s2的多模态融合特征张量进行前向计算,同步完成故障异常程度评估与故障类型识别,输出数据驱动的初步故障判定结果,并为知识图谱推理提供初始置信度输入;

12、s4、将时序多模态大模型输出的故障研判结果转化为知识图谱节点的初始置信度,以概率图因果推理算法正向遍历故障传播链路,完成故障根因的定位、传导路径的还原与危险等级的量化;

13、s5、根据故障根因定位结果与综合危险等级,调用排障决策策略库,通过大模型分层递归分解与规则约束,自动编排生成排障智能工作流,针对不同等级故障自动生成标准化处置方案;

14、s6、根据s5生成的排障智能工作流的功能属性与处置需求,自动化圈选匹配的执行主体,通过标准化api接口实现多方协同联动,完成故障处置的全链路执行、监控与预警。

15、进一步的,步骤s2中,至少对时序数值信号、音频波形数据、门机图像数据和设备三维空间数据执行独立编码;

16、其中,时序数值信号采用一维卷积网络结合时序位置嵌入编码器,提取信号的时域变化特征与趋势规律;音频波形数据先通过梅尔频谱转换将一维波形转化为二维频域特征,再经音频transformer编码器提取声学特征;门机图像数据采用轻量化cnn视觉编码器提取空间视觉特征,捕捉门体形变、部件偏移、异物卡滞的视觉异常数据;设备三维空间数据通过ar三维锚定算法,将电梯数字孪生模型、设备标准参数、历史异常记录叠加于实景设备表面,完成实景与数字模型的绑定,输出空间结构特征与部件位置关联特征。

17、进一步的,步骤s4中,系统预先构建电梯故障因果知识图谱,知识图谱以电梯硬件部件为图节点,以部件间的故障因果关联强度为边权重,沉淀电梯全系统部件的故障传播规律、因果关联关系与历史故障统计规律。

18、进一步的,步骤s5中,排障决策策略库由多模态大模型基于排障知识库预训练推理生成,覆盖不同故障类型、危险等级的标准化处置流程、操作规范与资源配置要求。

19、进一步的,步骤s5中,智能排障工作流包含开始/结束节点、大模型节点、插件节点、选择器节点、循环节点、数据处理节点及执行节点七类核心节点。

20、其中,开始/结束节点定义工作流的生命周期起点与终点;大模型节点调用多模态大模型完成智能分析、策略生成的认知类任务;插件节点对接第三方系统、外部工具与自定义插件,实现跨系统功能扩展;选择器节点内置判断条件,并根据执行结果自动匹配不同的分支处置路径;循环节点设置循环次数或终止条件,重复执行特定流程片段直至满足要求;数据处理节点执行数据加工任务;执行节点向各执行对象下发操作指令,驱动具体处置动作落地。

21、进一步的,第三方系统的执行对象至少包括物业管理人员、维保技术人员、技术专家及第三方平台人员四类。

22、进一步的,针对系统运行异常无需现场处置的轻微故障场景,工作流自动编排的排障任务为:

23、s511、开始节点;

24、s512、大模型节点:生成总体排障策略;

25、s513、大模型节点:选定技术人员下发排障策略;

26、s514、插件节点:技术人员审核排障策略;

27、s515、插件节点:系统向云服务平台下发生成的操作执行指令;

28、s516、数据节点:系统根据接收到的电梯状态数据自动确认故障处理结果;

29、s517、循环节点:若故障未消除,跳转至s514重复执行;

30、s518、选择节点:若故障消除,结束执行;若故障仍未消除,跳转至s512;

31、s519、结束节点。

32、进一步的,针对轿厢困人的严重故障场景,工作流自动编排的排障任务为:

33、s521、开始节点;

34、s522、大模型节点:部署于电梯边缘网关的语言模型基于轿厢人员图像识别结果生成场景化安抚语音文本对轿厢人员进行安抚提示;同时接收轿厢对讲语音输入,完成意图识别自动回复,与轿厢人员进行动态交互;

35、s523、大模型节点:生成总体排障策略;

36、s524、大模型节点:生成救援工单,选择适宜技术人员;

37、s525、插件节点:系统向技术人员移动智能终端下发排障操作指引;

38、s526、执行节点:技术人员根据排障操作指引执行排障救援;

39、s527、数据节点:系统根据接收到的电梯状态数据自动确认故障处理结果;

40、s528、选择节点:若故障消除,结束执行;若故障未消除,技术专家远程介入指导;

41、s529、结束节点。

42、进一步的,基于多模态大模型与概率因果图谱的电梯故障智能处理方法还包括:

43、s7、采集每次执行的全流程数据,构建标注故障样本库;并采用增量微调算法,定期进行模型在线更新。

44、本技术的有益效果:

45、本技术基于多模态大模型概率因果图谱推理算法自动输出故障传导链,实现快速故障根因定位;自动编排并生成标准化排障方案智能化工作流,各节点自动圈选执行对象,与各关联平台交互,系统作为故障处理智能中枢居中决策调度,大幅提升故障处理效率。