一种基于领域大模型的核电维修工作包生成方法与流程

本发明涉及核电设备维修管理领域，尤其涉及一种基于领域大模型的核电维修工作包生成方法。

背景技术：

1、核电设备具有系统构成复杂、设备种类繁多、运行周期较长以及安全等级要求严格等特点。在核电设备运行过程中，需要针对设备故障、异常状态及计划外维修任务编制核电维修工作包，以明确目标核电设备、故障信息、维修任务类型、维修工序、资源要素、安全措施及质量验收要求。特别是在纠正性维修场景下，工作人员需要根据纠正性工单准备请求，查询设备技术文件、维修规程、历史故障记录、维修记录、安全规范、质量验收标准及设备图纸，并结合当前作业环境完成核电维修工作包的编制。核电维修工作包直接影响维修任务的执行顺序、资源配置及作业安全，其内容的完整性、准确性和可追溯性对核电设备维修管理具有重要影响。

2、现有核电维修工作包通常依赖人工编制。工作人员接收到纠正性工单准备请求后，需要在多个业务系统、文档库及历史数据库中分别查找与目标核电设备和故障信息相关的资料，再根据个人经验对检索到的资料进行筛选、整理和组合。由于核电维修相关数据来源不同、数据格式不统一，既包括设备台账、故障记录及维修记录等结构化数据，也包括维修规程、安全规范、质量验收文件及设备图纸等非结构化数据，现有处理方式难以对核电维修多源数据进行统一预处理和规范化表达，导致不同数据之间的设备名称、故障名称、维修工序名称及资源要素名称存在不一致现象。工作人员需要反复核对不同来源中的设备标识和故障描述，不仅增加工作包准备时间，还容易因数据理解差异造成信息遗漏或错误引用。

技术实现思路

1、本发明的一个目的在于提出一种基于领域大模型的核电维修工作包生成方法，本发明充分利用了核电维修多源数据预处理、核电维修知识抽取、核电维修约束图构建、领域大模型全参数微调与lora低秩适配融合训练技术，实现了从纠正性工单准备请求到核电维修工作包的自动化生成过程。

2、根据本发明实施例的一种基于领域大模型的核电维修工作包生成方法，包括如下步骤：

3、获取核电维修多源数据集并进行预处理，得到核电维修标准数据集；

4、对核电维修标准数据集进行核电维修知识抽取，构建核电维修领域数据集和核电维修约束图；

5、以通用大模型为基座，利用核电维修领域数据集进行全参数微调与lora低秩适配结合的领域适配训练，注入核电维修专精知识，并根据核电维修约束图设计约束感知损失函数与推理引导机制，对领域适配训练后的通用大模型进行推理强化训练，得到核电维修领域大模型；

6、接收纠正性工单准备请求，从纠正性工单准备请求中提取目标核电设备、故障信息、维修任务类型及作业环境信息，形成工作包生成任务上下文；

7、将工作包生成任务上下文输入核电维修领域大模型进行检索增强生成，形成工作包生成证据集；

8、将核电维修领域大模型封装为核电维修工作包生成智能体，并结合工作包生成证据集进行维修工序拆解与资源要素匹配，生成候选核电维修工作包；

9、对候选核电维修工作包进行一致性校验，并根据校验结果进行修正，得到核电维修工作包。

10、可选的，所述核电维修多源数据集包括核电设备基础信息、核电设备运行状态数据、历史故障记录、历史维修记录、维修规程、安全规范、设备图纸及历史工作包，所述预处理包括文档格式转换、重复数据剔除、缺失数据补全、异常数据修正、设备标识统一、时间信息对齐与核电维修专业术语归一化处理。

11、可选的，所述核电维修领域数据集和核电维修约束图的构建具体包括：

12、对核电维修标准数据集进行内容划分，得到核电维修知识单元集合；

13、对核电维修知识单元集合进行实体识别和实体属性提取，生成核电维修实体集合；

14、基于核电维修实体集合，识别各实体之间的核电维修实体关联关系，形成核电维修关系集合；

15、将核电维修知识单元集合、核电维修实体集合及核电维修关系集合进行关联组织，建立核电维修实体集合中的各实体与对应核电维修知识单元之间的来源映射关系，得到核电维修领域数据集；

16、将核电维修实体集合中的各实体设置为图节点，将核电维修关系集合中的各关系设置为图边，将各实体对应的实体属性设置为对应图节点的节点属性，构建核电维修约束图。

17、可选的，所述核电维修领域大模型的得到具体包括：

18、基于核电维修领域数据集构建核电维修训练样本集；

19、对通用大模型进行全参数微调，并在通用大模型的注意力参数结构中引入lora低秩适配，通过核电维修专精知识注入与局部高效适配的联合训练，得到领域适配训练后的通用大模型；

20、基于核电维修约束图进行推理路径挖掘与拓扑构建，将连接完整的核电维修推理路径标记为核电维修正向推理路径，将存在节点缺失的核电维修推理路径标记为核电维修反向推理路径，形成核电维修推理训练样本集；

21、将核电维修推理训练样本集输入领域适配训练后的通用大模型，结合核电维修约束图构建融合正向推理拟合损失与反向推理惩罚损失的约束感知损失函数，根据约束感知损失函数对领域适配训练后的通用大模型进行参数更新，得到推理强化训练后的通用大模型；

22、在推理强化训练后的通用大模型的训练过程中，将生成内容映射至核电维修约束图，根据核电维修实体之间的核电维修实体关联关系确定生成实体，并进行实时干预与调整，构建约束图谱驱动的推理引导机制，得到核电维修领域大模型。

23、可选的，所述工作包生成任务上下文的形成具体包括：

24、接收纠正性工单准备请求，并对纠正性工单准备请求进行结构化解析，得到工单结构化表示数据；

25、基于工单结构化表示数据提取目标核电设备标识、故障信息、维修任务类型信息及作业环境信息；

26、将目标核电设备标识与核电维修标准数据集中的设备实体进行匹配，生成标准设备实体标识；

27、基于标准设备实体标识对故障信息进行规范化处理，得到标准故障信息表示；

28、将标准设备实体标识、标准故障信息表示、维修任务类型信息及作业环境信息进行结构化组合，生成工作包生成任务上下文。

29、可选的，所述工作包生成证据集的形成具体包括：

30、将工作包生成任务上下文输入核电维修领域大模型，生成工作包生成任务语义表示，并基于工作包生成任务语义表示确定核电维修实体集合；

31、将核电维修实体集合映射至核电维修约束图中的对应图节点，并进行路径扩展，得到目标检索路径集合；

32、基于目标检索路径集合在核电维修领域数据集中提取对应的核电维修知识单元集合，并依据核电维修知识单元集合与图节点之间的来源映射关系进行关联提取，形成候选证据单元集合；

33、对候选证据单元集合进行顺序对齐与冗余去除处理，得到结构化证据单元集合；

34、将结构化证据单元集合与工作包生成任务上下文进行融合组织，生成工作包生成证据集。

35、可选的，所述候选核电维修工作包的生成具体包括：

36、对核电维修领域大模型进行功能封装，构建核电维修工作包生成智能体；

37、核电维修工作包生成智能体调用工作包生成证据集，生成结构化证据语义表示；

38、基于结构化证据语义表示，结合核电维修实体关联关系与维修任务类型信息，生成维修工序序列；

39、基于维修工序序列及核电维修领域数据集中的资源要素信息，建立维修工序与资源要素之间的映射关系，生成资源要素分配结果；

40、将维修工序序列及资源要素分配结果进行任务编排处理，生成候选核电维修工作包。

41、可选的，所述核电维修工作包的得到具体包括：

42、对候选核电维修工作包中的维修工序序列、资源要素分配结果及工作包生成任务上下文进行结构解析，生成一致性校验对象集合；

43、对一致性校验对象集合进行逐工序比对，确定维修工序序列与资源要素分配结果之间的一致性状态；

44、基于一致性校验对象集合，确定维修工序序列与工作包生成任务上下文之间的符合性状态；

45、基于一致性状态与符合性状态，对候选核电维修工作包中的维修工序序列及资源要素分配结果进行一致性调整处理，生成修正后的候选核电维修工作包，形成核电维修工作包。

46、本发明的有益效果是：

47、本发明通过构建核电维修多源数据统一预处理机制，将分散于设备台账、历史故障记录、维修规程、安全规范及设备图纸等不同来源的数据进行标准化处理，并进一步通过核电维修知识抽取形成核电维修领域数据集与核电维修约束图，从而实现核电维修数据从非结构化、弱结构化到结构化表达的统一组织，有效解决了现有技术中核电维修数据来源复杂、格式不统一以及难以协同利用的问题。

48、本发明通过引入领域大模型的全参数微调与lora低秩适配相结合的训练方式，并结合核电维修约束图构建推理引导机制，使模型能够在保留通用语言能力的同时注入核电维修专精知识，从而提升模型对核电设备故障机理、维修工序逻辑及资源配置关系的理解与推理能力，有效克服了现有通用大模型在核电专业场景中适配能力不足、生成内容可靠性不高的问题。本发明通过对纠正性工单准备请求进行结构化解析，构建工作包生成任务上下文，并采用检索增强生成机制形成工作包生成证据集，使模型生成过程能够基于核电维修领域数据集中的真实知识单元进行约束与支撑，从而减少无依据生成和信息遗漏现象。此外，通过工作包生成智能体对维修工序拆解与资源要素匹配进行任务编排与执行，使维修工序、资源要素及作业环境之间形成结构化对应关系，提高了工作包内容的完整性与可执行性。