基于知识图谱增强的工业大模型确定性推理优化方法及系统

本发明属于工业人工智能与智能控制，具体涉及一种基于知识图谱增强的工业大模型确定性推理优化方法及系统。

背景技术：

1、随着人工智能技术的发展，以预训练transformer架构为代表的大语言模型在自然语言处理、代码生成及通用逻辑推理等方面表现出较强能力。然而，当通用大模型直接应用于工业生产、精密制造及复杂系统控制等垂直领域时，仍面临确定性不足的问题。工业生产环境具有高安全敏感性和低容错性，其决策过程需要严格遵循物理定律和工艺逻辑约束，而通用大模型基于概率分布进行输出生成，缺乏对底层物理机理的感知，因此在处理工业非标指令时容易出现“幻觉”现象，难以满足工业场景对确定性和可靠性的要求。

2、现有改进方案通常采用检索增强生成技术，将非结构化文档中的相关片段作为上下文输入模型，以提升输出相关性。然而，该类方式主要基于文本片段的弱关联，难以对工业知识中的结构化逻辑进行硬约束挂载；同时，工业现场的振动、压力、流量等多模态时序数据具有高频、非线性特征，传统推理架构难以将其有效映射至大模型的语义空间中，从而难以根据现场工况变化对推理结果进行即时纠偏。

3、此外，工业垂直领域知识通常以机理模型、专家规则和结构化数据库等形式存在，逻辑密度高、知识更新快。现有微调方式计算成本较高，且在增量知识更新过程中容易产生遗忘问题；在推理阶段，也缺乏一种能够将结构化规则约束直接作用于大模型生成过程的有效机制。尤其在跨设备协同、故障溯源等长链条推理任务中，现有技术往往仅能将外部知识作为参考上下文输入，难以结合当前工况完成局部知识路径搜索、规则匹配以及基于物理机理的闭环校验，导致推理路径可解释性不足、参数输出稳定性较差。因此，亟需提出一种能够在保持大模型语义理解能力的同时，引入知识图谱规则约束并结合物理机理反馈进行确定性推理优化的方法及系统。

技术实现思路

1、针对现有技术中工业大模型在高可靠场景下容易出现逻辑幻觉、机理违背以及推理结果稳定性不足的问题，本发明提供一种基于知识图谱增强的工业大模型确定性推理优化方法及系统，以提高工业任务推理结果的确定性、可靠性和可解释性。

2、为了达到上述目的，本发明采用的技术方案为：一种基于知识图谱增强的工业大模型确定性推理优化方法，包括如下步骤：

3、s1、构建包含设备机理、工艺参数约束及故障排除逻辑的工业领域多模态知识图谱，并采集工业现场多模态数据；

4、s2、接收工业任务输入，提取任务关键词及上下文特征；

5、s3、基于所述任务关键词在所述知识图谱中进行路径搜索，提取与当前任务相关的局部子图及规则三元组；

6、s4、将所述规则三元组转换为向量偏置或逻辑掩码，并注入工业大模型解码层，以约束候选token的预测概率；

7、s5、基于所述向量偏置或逻辑掩码执行受限生成推理，并将推理结果输入物理引擎或仿真逻辑进行闭环校验；

8、s6、当闭环校验结果不满足预设安全阈值时，触发反馈修正，输出满足工业物理约束和工艺流程要求的确定性推理结果。

9、进一步地，步骤s4中根据规则三元组对应约束的置信度对工业大模型解码层候选token的预测概率进行动态调整，以抑制不符合工业物理定律和工艺流程的候选输出，并增强符合逻辑约束的候选输出。

10、进一步地，步骤s5至步骤s6中，所述闭环校验包括对推理结果对应的输出参数进行自动化核验，以判断所述输出参数是否满足能量守恒、应力限制或安全生产红线，并在校验结果超出预设范围时触发反馈修正。

11、本发明还提供一种基于知识图谱增强的工业大模型确定性推理优化系统，包括知识图谱构建模块、多模态数据采集模块、任务关键词及上下文特征提取模块、路径搜索及规则三元组提取模块、解码层约束注入模块以及闭环校验模块，其中，所述路径搜索及规则三元组提取模块用于基于任务关键词在知识图谱中提取与当前任务相关的局部子图及规则三元组，所述解码层约束注入模块用于将所述规则三元组转换为向量偏置或逻辑掩码并注入工业大模型解码层，所述闭环校验模块用于调用物理引擎或仿真逻辑对推理结果进行闭环校验。

12、本发明的有益效果在于：通过将工业领域结构化知识以规则三元组形式引入大模型解码过程，能够增强模型对工业机理和工艺逻辑的约束能力；通过结合工业现场多模态数据进行路径搜索和规则匹配，能够提高模型对当前工况的感知能力；通过引入物理引擎或仿真逻辑进行闭环校验和反馈修正，能够提高输出结果的确定性、可靠性和可解释性。

1.一种基于知识图谱增强的工业大模型确定性推理优化方法，其特征在于，包括如下步骤：构建工业领域多模态知识图谱，所述知识图谱包含设备机理、工艺参数约束及故障排除逻辑，并采集工业现场多模态数据，接收工业任务输入，提取任务关键词及上下文特征，基于所述任务关键词在所述知识图谱中进行路径搜索，提取与当前任务相关的局部子图及规则三元组，通过增强推理模块将所述规则三元组转换为向量偏置或逻辑掩码，并注入工业大模型的解码层，执行受限生成推理，并调用物理引擎或仿真逻辑对输出结果进行闭环校验。

2.根据权利要求1所述的基于知识图谱增强的工业大模型确定性推理优化方法，其特征在于，所述将规则三元组转换为向量偏置或逻辑掩码并注入工业大模型解码层的过程根据规则三元组对应约束的置信度实时修正工业大模型解码层候选token的预测概率。

3.根据权利要求1所述的基于知识图谱增强的工业大模型确定性推理优化方法，其特征在于，所述闭环校验包括对输出参数是否满足能量守恒、应力限制或安全生产红线的自动化核验。

4.一种基于知识图谱增强的工业大模型确定性推理优化系统，其特征在于，包括知识图谱构建模块、多模态数据采集模块、任务关键词及上下文特征提取模块、路径搜索及规则三元组提取模块、解码层约束注入模块和闭环校验模块，其中所述知识图谱构建模块用于构建包含设备机理、工艺参数约束及故障排除逻辑的工业领域多模态知识图谱，所述多模态数据采集模块用于采集工业现场多模态数据，所述路径搜索及规则三元组提取模块用于基于任务关键词在知识图谱中提取与当前任务相关的局部子图及规则三元组，所述解码层约束注入模块用于将所述规则三元组转换为向量偏置或逻辑掩码并注入工业大模型解码层，所述闭环校验模块用于调用物理引擎或仿真逻辑对输出结果进行闭环校验。