一种基于大语言模型的燃气机组故障智能溯源方法与流程
本发明涉及工业设备状态监测,尤其涉及一种基于大语言模型的燃气机组故障智能溯源方法。
背景技术:
1、燃气机组是复杂的工业系统,其运行过程中会产生大量的结构化传感器数据(如温度、压力、振动等时序波形)以及非结构化文本数据(如报警记录、操作日志、维修记录)。在机组出现异常时,如何从多源异构数据中追溯故障源,是设备运维管理中的常见需求。
2、现有的故障溯源方法主要分为两类:一是基于专家系统或固定规则的方法,该类方法需要人工编写大量的逻辑规则,面对复杂并发故障时规则库的维护成本较高,泛化能力受到一定限制;二是纯数据驱动的深度学习或大语言模型方法,虽然此类模型具备较好的泛化推理和文本处理能力,但大语言模型在生成故障原因时,容易受限于统计规律而忽略物理世界的实体约束,存在生成不符合燃气机组物理连接规律或热力学时延规律结果的可能,产生与实际物理状态不符的推断,在工业场景中会影响溯源结果的可参考性。
技术实现思路
1、针对现有技术中存在的上述技术问题,本发明的目的在于提供一种基于大语言模型的燃气机组故障智能溯源方法及系统,通过引入时空知识图谱对大模型进行物理一致性校验,在一定程度上降低大语言模型生成结果违背物理规律的概率。
2、为实现上述目的,本发明提供如下技术方案:
3、一种基于大语言模型的燃气机组故障智能溯源方法,包含以下步骤:
4、s1,多模态数据的特征提取与时间锚点对齐:获取燃气机组在设定故障时间窗口内的非结构化运行日志文本,以及压气机出口压力、燃烧室火焰温度、透平轴系振动、燃料调节阀开度传感器的连续时序波形数据;提取所述非结构化运行日志文本中的离散时间戳作为时间锚点,并将所述连续时序波形数据的异常突变特征映射为具有时间戳属性的离散语义标记;以时间轴为基准,将所述非结构化运行日志文本与所述离散语义标记进行序列融合,构建时序对齐的多模态故障事件流,以消除多源数据采样率差异导致的时序错位;
5、s2,大语言模型驱动的候选因果路径生成:将所述多模态故障事件流输入预训练的工业大语言模型,利用该大语言模型生成条候选故障传播路径,其中且为整数,每条候选故障传播路径包含多个按因果顺序排列的燃气机组异常节点以及对应的节点发生时间;
6、s3,基于燃气机组时空知识图谱的物理一致性校验:将所述条候选故障传播路径转换为图查询语言,输入至预先构建的燃气机组时空知识图谱中;针对每一条候选故障传播路径,所述时空知识图谱依次执行空间拓扑校验与时序因果校验,识别出违背燃气机组机械与流体连接结构的断路节点,以及违背热力学传导延迟规律的时序悖论节点;
7、s4,迭代约束优化与约束提示词生成:若某条候选故障传播路径未通过所述物理一致性校验,则由知识图谱引擎提取未通过校验的节点特征及对应的确定性物理边界条件,生成约束提示词;将所述约束提示词作为强约束上下文输入所述大语言模型,引导所述大语言模型在解码推理过程中优先匹配物理边界约束条件,跳转至所述s2执行闭环迭代,直至生成的故障传播路径完全通过所述物理一致性校验,或达到最大迭代次数,输出故障溯源报告。
8、进一步地,在所述s1中,将连续时序波形数据的异常突变特征映射为离散语义标记的具体过程包括:
9、通过一维卷积神经网络和长短期记忆网络,提取压气机、燃烧室及透平传感器的连续时序波形数据的高维特征向量;
10、将提取到的所述高维特征向量,与预设工业时序语义词表中各语义对应的标准特征向量计算欧氏距离,将所述高维特征向量映射为距离最小的离散语义标记,生成表征燃气机组物理状态突变的离散语义标记;
11、通过动态时间规整算法,在同一个绝对时间轴上将所述非结构化运行日志文本与所述离散语义标记交织拼接,构成时间上严格保序的多模态故障事件流序列。
12、进一步地,在所述s2中,所述候选故障传播路径的拓扑结构为有向无环图,且路径中的每一个故障节点包含三个维度的信息:
13、设备实体维度,用于表征燃气机组的具体组件;
14、状态属性维度,用于表征该组件所处的异常物理状态及故障表征;
15、发生时间维度,用于表征异常物理状态发生的绝对时间或相对发生次序;
16、所述大语言模型综合各节点间的条件概率分布,输出每条候选故障传播路径的全局置信度得分,并按降序排列输出所述条候选故障传播路径。
17、进一步地,在所述s3中,所述预先构建的燃气机组时空知识图谱的结构定义为四元组集合,其中:
18、为节点集合,代表燃气机组的各类物理设备、阀门本体及传感器测点;
19、为边集合,代表节点之间的有向连接关系;
20、为关系类型集合,包括压气机-燃烧室-透平的轴系传动关系、燃料供给与燃烧的流体关系、以及冷却空气的热交换关系;
21、为时延属性集合,用于表征异常状态在通过边集合从上游节点传递至下游节点时所需要的固有物理时延区间,所述固有物理时延区间由燃气机组的设计参数及历史稳态运行数据联合标定。
22、进一步地,所述空间拓扑校验的具体执行逻辑为:
23、对于候选故障传播路径中的任意两个相邻假设节点,大语言模型假设由节点的异常导致了节点的异常;
24、在所述时空知识图谱中以节点为起点进行图遍历搜索;
25、若在遍历预设深度的图谱集合后,不存在从节点指向节点的直接有向边,且不存在符合燃气机组物理传导逻辑的间接连通子图,则判定该候选故障传播路径存在空间拓扑断路,触发空间拓扑校验失败信号,并将节点与节点标记为拓扑冲突源。
26、进一步地,所述时序因果校验引入物理时延区间,具体校验逻辑遵循如下条件判断:
27、对于候选故障传播路径中相邻的触发节点和受控节点,提取大语言模型推断的发生时间;
28、计算受控节点相对于触发节点的有向推断时间差;
29、从时空知识图谱的集合中提取边对应的燃气机组固有正向物理时延区间,其中;
30、若,则判定大语言模型推断存在违背时间先后顺序的因果倒置错误,触发时序因果校验失败信号;
31、若不在所述固有正向物理时延区间内,则判定大语言模型推断的事件传播速度违背机组流体或热力学传导特性,触发时序因果校验失败信号,并将节点与节点标记为时序冲突源。
32、进一步地,在所述s4中,所述约束提示词包含以下结构化信息:
33、冲突源信息:指示被知识图谱判定为错误的相邻节点对及其对应的时间戳;
34、物理定律冲突信息:基于校验结果,指明错误类型为空间不存在机理连接或时间传导不符合介质延迟特性;
35、图谱纠偏约束信息:附加从时空知识图谱中检索出的与冲突源节点真实相连的下游节点列表,以及真实的固有物理时延区间数值;
36、所述大语言模型接收该约束提示词后,将其作为上文记忆,抑制不符合燃气机组物理规律的错误生成分支,重新生成符合机理约束的因果路径。
37、进一步地,所述s4中闭环迭代的终止条件包括:
38、条件一:当存在至少一条候选故障传播路径顺利通过时空知识图谱的空间拓扑校验与时序因果校验时,迭代立即终止;
39、条件二:当闭环迭代次数达到系统预设的最大阈值时,迭代强制终止;
40、若因所述条件二强制终止且无路径完全通过校验,则输出所有候选路径中通过图谱校验节点数量最多的一条局部最优路径,并在最终的故障溯源报告中标记出大语言模型与时空知识图谱存在逻辑分歧的断点位置。
41、本发明还提供一种基于大语言模型的燃气机组故障智能溯源系统,该系统包括:
42、多模态对齐模块,用于获取燃气机组运行日志文本和连续时序波形数据,进行时间锚点对齐拼接;
43、大模型假设生成模块,部署有工业预训练大语言模型,用于接收多模态数据并生成候选故障传播路径;
44、时空图谱校验模块,存储有燃气机组专属的时空知识图谱,用于对候选路径执行空间拓扑与时序因果的物理一致性校验;
45、迭代约束控制模块,用于在校验失败时生成约束提示词,并引导大模型假设生成模块在物理边界约束下进行重新推理;
46、报告生成模块,用于在满足迭代终止条件后输出故障溯源结果。
47、本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现上述方法。
48、本发明的有益效果在于:
49、本发明通过将连续的波形数据映射为离散语义标记,并在统一时间轴上与日志文本进行对齐,提供了一种多源数据融合输入的处理方式,有助于大语言模型在统一的时间维度下处理多模态信息。
50、本发明引入了基于燃气机组物理特性的时空知识图谱作为后置检验环节,对大模型生成的候选路径进行空间拓扑和时序因果校验,提供了一种具备机理约束的反馈机制,有助于减少不符合物理规律的溯源结果。
51、本发明构建了“模型生成-图谱校验-上下文反馈”的闭环迭代结构,在不改变大语言模型内部结构的前提下,通过约束提示词引导模型重新推理,为燃气机组的故障排查提供了一种具备一定逻辑自洽性的参考路径。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com