一种基于知识图谱与GraphRAG的冶金装备故障推理与分级维修清单生成系统的制作方法

本发明属于冶金装备智能运维，涉及一种基于知识图谱与graphrag的冶金装备故障推理与分级维修清单生成系统

背景技术：

1、氢基竖炉排料系统、轧机、连铸机等冶金装备是钢铁生产的核心基础设施，其运行状态直接决定生产连续性、产品质量及安全生产水平。冶金装备结构复杂、高温、高压、高负载、强腐蚀等工况恶劣，故障模式多样且关联性强，传统故障诊断与维修管理方式存在诸多局限，难以满足智能化运维需求。

2、在冶金装备故障机理库构建与可靠性研究等工程中，合作双方已明确以氢冶金连续反应装备为验证载体，构建从故障数据库到可靠性建模再到智能运维决策的全流程技术体系，技术指标包括：故障机理库覆盖不少于30种典型失效模式且可扩展；建立运行行为-产品质量-系统可靠性（rqr）动态耦合模型；融合以可靠性为中心维修（rcm）与基于风险维修（rbm）生成分级维修任务清单。现有产品化平台尚需在知识推理、图增强检索与维修清单自动生成方面形成系统化发明方案。

3、现有技术中，一类方案基于传统故障模式与影响分析（fmea）完成故障识别与风险评估，由人工制定维修清单，其主要问题包括：故障推理能力弱，难以应对多故障耦合与连锁失效；维修清单优先级仅依静态风险优先数（risk priority number，rpn），未结合实时工况、rqr评估及停机窗口；知识以文档形式分散，难以与试验大纲、维修案例统一检索。

4、另一类方案构建静态故障知识图谱进行故障推理，但存在知识更新滞后、非结构化知识挖掘不足、未与维修清单生成闭环等问题。还有一类方案采用通用检索增强生成（rag）进行运维问答，但通用rag未结合冶金装备层级结构，缺乏结构化引导与graphrag社区摘要检索，维修清单生成不可控，难以满足高可靠性运维要求。

5、综上，现有技术至少存在以下不足：其一，故障推理缺少结构化精确检索与图增强生成的协同，精度与可解释性不足，机理知识亦难以随新增案例与试验大纲动态更新；其二，风险量化仍以静态rpn为主，未能将随工况修正的动态rpn与rqr动态耦合评估结果联合纳入风险分级；其三，维修清单生成缺乏融合以可靠性为中心维修（rcm）与基于风险维修（rbm）的分级优化，感知、评价与决策之间尚未形成可迭代闭环。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种基于知识图谱与graphrag的冶金装备故障推理与分级维修清单生成系统，以实际解决如下技术问题：如何在冶金装备多源机理知识支撑下，采用结构化精确检索优先、图检索与向量检索增强、大模型生成兜底的分层推理获得可解释的故障结论；如何将随工况动态修正的rpn与rqr动态耦合模型输出的综合风险等级经分段函数映射联合划分风险等级；以及如何在风险分级结果驱动下融合rcm与rbm决策规则生成并优化分级维修清单，从而形成感知-评价-决策的运维闭环。

2、为达到上述目的，本发明提供如下技术方案：

3、第一方面，本发明提供一种基于知识图谱与graphrag的冶金装备故障推理与分级维修清单生成系统，包括知识图谱构建模块、graphrag推理模块、故障风险分级模块、维修清单生成与优化模块、数据交互模块、模型更新模块，形成数据输入-知识建模-故障推理-风险分级-维修生成-模型更新的完整运维闭环；

4、所述知识图谱构建模块，与所述数据交互模块连接，用于构建并维护冶金装备故障知识图谱，定义知识本体、融合多源知识、实现知识存储与管理，为故障推理提供知识支撑；

5、所述数据交互模块，分别与所述知识图谱构建模块、所述graphrag推理模块、所述模型更新模块连接，用于采集、传输与预处理多源数据，实现数据与知识图谱的关联映射；

6、所述graphrag推理模块，与所述知识图谱构建模块、所述数据交互模块、所述故障风险分级模块连接，用于结合知识图谱的结构化知识与graphrag的检索增强能力，实现故障推理与原因分析，输出可解释的故障推理报告；

7、所述故障风险分级模块，与所述graphrag推理模块、所述维修清单生成与优化模块连接，用于在接收所述graphrag推理模块输出的故障模式与部件关联信息的基础上，结合采用cox比例风险回归模型或等效动态修正模型计算得到的动态rpn值，以及rqr动态耦合模型输出的运行行为指标r1、产品质量指标q、系统可靠性指标r2及综合风险等级l，由所述综合风险等级l与所述动态rpn值经分段函数映射联合划分故障风险等级，并对故障进行优先级排序；

8、所述维修清单生成与优化模块，与所述故障风险分级模块、所述数据交互模块、所述模型更新模块连接，用于基于故障推理结果、所述动态rpn值、所述rqr动态耦合模型的评估结果及融合以可靠性为中心维修rcm与基于风险维修rbm的决策规则，生成基础维修清单，并结合停机窗口、维修资源可用性及产品质量约束进行优化，输出标准化分级维修清单；

9、所述模型更新模块，分别与所述知识图谱构建模块、所述graphrag推理模块、所述维修清单生成与优化模块连接，用于实现知识图谱、推理模型与维修优化模型的动态更新与优化。

10、优选地，所述知识图谱构建模块包括知识本体定义单元、多源知识融合单元、知识图谱存储与管理单元；所述知识本体定义单元基于冶金装备系统-子系统-设备-部件四级层级结构定义核心实体及关联关系；所述多源知识融合单元融合结构化数据、半结构化数据及非结构化数据构建故障机理库，所述故障机理库覆盖不少于30种典型失效模式且支持字段扩展；所述知识图谱存储与管理单元采用图数据库和/或关系型数据库存储，支持增量更新与知识来源追溯。

11、优选地，所述graphrag推理模块包括结构化查询单元、graph检索单元、rag增强推理单元、推理结果验证单元；所述结构化查询单元对统计类、字段类及关联类问题优先执行结构化精确查询并直接返回可复核结果；所述graph检索单元支持graphrag全局检索与graphrag局部检索，所述全局检索在索引阶段对知识图谱的社区生成多级摘要、在查询阶段采用map-reduce策略并行检索再归并，所述局部检索以用户问题中的实体为种子扩展k跳子图并检索关联文本块，k取1～3、优选为2；当图检索单次请求耗时超过阈值t1或连续失败次数达到n次时，自动降级为向量检索问答，所述t1取30～120秒、优选为60秒，n取1～3次、优选为2次，向量检索仍失败时返回预设运维提示。

12、优选地，所述故障风险分级模块包括动态rpn计算单元、rqr状态输入单元、风险等级划分单元、风险优先级排序单元；所述动态rpn计算单元采用cox比例风险回归模型将瞬时故障风险表示为

13、，

14、动态，在样本不足以标定cox参数时采用线性或对数线性形式的等效动态修正模型；所述rqr动态耦合模型的量化映射为：

15、r1(t)=σiwi·xi′(t)，q(t)=γ1·m(t)+γ2·p(t)+γ3·c(t)，r2(t)=α·r1(t)+β·q(t)+ε·r1(t)·q(t)+r20。

16、优选地，所述维修清单生成与优化模块包括基础维修清单生成单元、维修清单分级优化单元、维修清单标准化输出单元；所述维修清单分级优化单元采用遗传算法或多目标优化算法，以系统总风险最小、维修成本最低为优化目标，结合维修资源可用性、停机窗口及产品质量约束优化维修任务执行顺序。

17、优选地，所述模型更新模块包括知识图谱更新单元、推理模型优化单元、维修优化模型更新单元，采用增量更新机制更新知识图谱，基于推理验证反馈优化图检索算法、graphrag索引及大语言模型提示词，并根据维修任务执行结果优化维修清单生成算法与约束条件。

18、第二方面，本发明提供一种基于知识图谱与graphrag的冶金装备故障推理与分级维修清单生成方法，应用于第一方面所述的系统，包括：知识图谱与机理库初始化、数据采集与预处理、分层故障推理、故障风险分级、维修清单生成与优化、模型动态更新六个步骤；其中，所述故障风险分级步骤由综合风险等级与动态rpn经分段函数映射联合划分风险等级，并对故障进行优先级排序。

19、第三方面，本发明提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时实现第二方面所述方法的步骤。

20、第四方面，本发明提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现第二方面所述方法的步骤。

21、与现有技术相比，本发明的有益效果在于：

22、本发明采用结构化精确检索优先、图检索与向量检索增强、大模型生成兜底的graphrag分层推理机制，能够应对多故障耦合与连锁失效场景，预期推理准确率达90%以上，诊断时间较传统fmea方法缩短50%以上；

23、本发明通过cox比例风险回归或等效模型对静态rpn进行随工况动态修正，并将运行行为-产品质量-系统可靠性（rqr）动态耦合评估结果纳入风险分级，使风险等级随实时工况动态准确变化，为维修决策提供可靠依据；

24、本发明融合rcm功能重要性分析与rbm风险量化结果，结合停机窗口、备件资源与产品质量约束多目标优化，输出的分级维修清单兼顾安全风险、停产损失与质量损失，预期可使运维成本降低15%～25%、非计划停机时间减少50%以上；

25、本发明通过知识动态复用、机理库可扩展，支撑新工况快速适配，模型随维修反馈持续迭代，适配氢基竖炉、轧机等多类冶金装备。

26、上述技术效果为本发明在氢基竖炉排料系统及轧机实施例中经12个月试运行验证或按工程实施方案预期可达的效果。

27、本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。