一种证据驱动的矿山装备多智能体协同诊断与预测方法与流程

摘要: 本发明涉及矿山装备智能运维,特别是涉及一种证据驱动的矿山装备多智能体协同诊断与预测方法。背景技术:1、矿山装备是选矿流程中的关键核心设备,常见设备包括球磨机、半...
一种证据驱动的矿山装备多智能体协同诊断与预测方法与流程

本发明涉及矿山装备智能运维,特别是涉及一种证据驱动的矿山装备多智能体协同诊断与预测方法。

背景技术:

1、矿山装备是选矿流程中的关键核心设备,常见设备包括球磨机、半自磨机和自磨机。磨机长期运行在高负荷、强冲击、粉尘大和润滑环境复杂的工况下,容易出现小齿轮轴承温度高、主电机轴承温度高、减速器高速轴温度高、润滑压力异常和振动异常等报警。现场运维人员通常需要同时参考报警知识库、设备操作手册、点检规程、维修工单、历史故障案例、趋势曲线和厂家pdf文档,才能完成报警定位与处置。

2、现有矿山装备报警辅助分析系统大多采用关键词检索、单一大模型问答或简单rag方案。该类方法在实际矿山现场存在四方面不足:

3、其一,报警表达不统一,同一故障可能以设备编号、报警码、部位名称或口语化描述出现,例如“2pn1010ha”“小齿轮轴承温度高”“磨机小齿轮侧发热”等表达并存,单次检索容易召回不足;

4、其二,现有系统通常缺乏严格的证据绑定,回答内容与原始知识条目、pdf页码、工单记录之间难以建立一一映射,导致可追溯性不足;

5、其三,不同问题对应不同分析链路,故障原因分析、预测性维护和机理解释难以由统一提示词兼顾;

6、其四,矿山现场多采用本地部署,模型加载失败、索引损坏、工具调用异常或文档输出失败时,系统容易无法给出结果,稳定性不足。

7、因此,亟需一种面向矿山装备场景、能够对多源证据进行结构化处理、支持证据融合与自愈检索、实现证据驱动回答并具备预检门禁和降级输出能力的多智能体诊断方法。

技术实现思路

1、为解决上述提到的问题,第一方面本发明提供了一种证据驱动的矿山装备多智能体协同诊断与预测方法,包括以下步骤:

2、s1、接收矿山装备报警问题的诊断请求并生成追踪标识;

3、s2、执行预检门禁,检测各功能单元的可用状态,并根据预检结果确定系统的运行模式,所述功能单元包括模型单元、检索单元、工具调用单元和子智能体构建单元;

4、s3、调用预先构建的结构化矿山装备报警知识库,在所述结构化矿山装备报警知识库上执行混合检索,所述混合检索包括语义向量检索和关键词稀疏检索,将两类结果执行去重合并和归一化加权融合,生成候选证据集合;

5、s4、对所述候选证据集合执行质量评估,当质量评估结果低于预设阈值时,对当前诊断请求进行查询改写并重新执行所述混合检索,直至获得最优证据集合;

6、s5、对所述最优候选证据集合执行证据对象化管理,为集合内每个证据分配全局唯一的证据标识,并建立所述证据标识与对应证据信息之间的映射关系,所述证据信息包括文档标识、标题、摘要、正文内容、元数据、融合得分和检索来源;

7、s6、识别所述诊断请求的诊断类别,将诊断任务路由至与所述诊断类别对应的子智能体,并将所述诊断请求与所述最优证据集合中各证据的摘要字段输入所述子智能体;

8、s7、所述子智能体根据所述诊断请求和所述摘要字段进行诊断推理,确定待引用证据,并根据所述待引用证据的证据标识从映射关系中调取对应的证据信息,生成包含证据标识的诊断结果;

9、s8、基于所述追踪标识生成并输出审计归档信息,所述审计归档信息包括审计日志、归档文件、报告文件、输出清单和会话记录。

10、进一步地,所述步骤s2中,执行预检门禁包括:

11、执行模型单元可用状态检测:验证本地模型路径的存在状态,并执行模型初始化并获取返回的状态码,输出模型单元可用状态结果;

12、执行检索单元可用状态检测:检验知识库文件、向量索引和bm25索引的完整性,并验证所述知识库文件、向量索引和bm25索引的读取权限与读取有效性,输出检索单元可用状态结果;

13、执行工具调用单元可用状态检测:向检索工具与证据调取接口发送连通性测试指令并获取返回的响应状态码,输出工具调用单元可用状态结果;

14、执行子智能体构建单元可用状态检测:分别构建故障诊断子智能体、预测性维护子智能体和机理分析子智能体并获取返回的状态码,输出子智能体构建单元可用状态结果;

15、将全部功能单元的检测结果按照致命级、错误级、警告级和信息级四个等级进行异常分级标记,并根据所述异常分级标记匹配对应的系统运行模式:

16、当所有功能单元检测结果均为正常时,系统进入正常运行模式;

17、当非必须功能单元出现异常时,系统进入降级运行模式;

18、当必须功能单元出现致命级或错误级异常时,系统进入阻断模式。

19、进一步地,所述步骤s3中,所述结构化矿山装备报警知识库基于多源知识库文件构建,所述多源知识库文件至少包括json文件、excel文件和pdf文件,其中pdf文件的结构化处理包括:

20、对pdf文件进行逐页解析,提取文本内容、页码信息、标题层级结构、表格区域数据与图注信息,同时过滤页眉页脚、水印类冗余信息,输出携带版面坐标的原始内容集合;

21、基于标题层级结构和段落语义连贯性约束,根据预设长度和重叠长度对提取的文本内容进行分层分块切分,当文本块的段落语义连贯性评分低于预设阈值时,将当前文本块与相邻语义的文本块进行合并,生成多个语义完整的独立文本块;

22、为每个独立文本块配置元数据,所述元数据包括文件路径、页码、章节标题、设备名称、报警类别和时间戳中的至少一种;

23、将处理后的pdf文本块进行字段格式标准化映射处理后,写入所述结构化矿山装备报警知识库;

24、对 json文件的结构化处理包括字段映射与格式标准化;

25、对excel文件的结构化处理包括字段对齐、缺失值填充、报警码标准化和格式标准化;

26、所有结构化处理后的数据共同写入所述结构化矿山装备报警知识库,并同步构建向量索引与bm25关键词索引。

27、进一步地,所述步骤s3中,将两类结果进行去重合并和归一化加权融合,生成候选证据集合,具体包括:

28、计算语义向量检索输出的各候选证据的语义向量检索分数:将所述语义向量检索输出的各候选证据的原始距离值,通过公式转换为相似度分数,所述相似度分数即为所述语义向量检索分数;

29、计算关键词稀疏检索输出的各候选证据的关键词稀疏检索分数:所述关键词稀疏检索通过词频-逆文档频率算法计算各候选证据的原始匹配得分,所述原始匹配得分即为所述关键词稀疏检索分数;

30、提取各候选证据的文档标识字段和标题字段,将所述文档标识字段与标题字段拼接生成去重主键;当所述文档标识字段或标题字段缺失时,对所述候选证据信息的正文内容计算哈希摘要,生成替代的去重主键;

31、根据去重主建对语义向量检索和关键词稀疏检索输出的全部候选证据进行分组;

32、对同一去重键下的多条检索记录进行合并处理,分别保留该去重建对应的语义向量检索分数最大值和关键词稀疏检索分数最大值;

33、对合并处理后的所有语义向量检索分数最大值与关键词稀疏检索分数最大值进行归一化加权融合,所述归一化采用最小-最大归一化,将两类分数的最大值统一映射至[0,1]标准数值区间,所述归一化公式为:

34、

35、式中,为归一化前的原始最大值分数,为归一化后的最大值标准分数,为对应最大值分数集合的最小值,为对应最大值分数集合的最大值,为防止分母为零的平滑常数;

36、按照加权融合公式对归一化后的两类最大值标准分数执行加权求和,得到去重合并后各候选证据的综合相似度得分;所述加权融合公式为:

37、

38、式中,为去重合并后各候选证据的综合相似度得分,为预设融合权重系数,取值范围为 [0,1];为归一化后的语义向量检索最大值标准分数,为归一化后的关键词稀疏检索最大值标准分数;

39、按照综合相似度得分将全部候选证据降序排序,截取排序结果中排名前k位的候选证据,生成候选证据集合。

40、进一步地,所述步骤s4中,对所述候选证据集合执行质量评估,至少包括:

41、模型评估模式:当预置的质量评估模型处于可调用状态时,将诊断请求文本与候选证据集合中排序前m位证据的摘要字段输入所述质量评估模型,通过语义匹配度推理输出质量评估分数;

42、启发式评估模式:当所述质量评估模型不可调用时,对诊断请求文本进行分词处理,生成请求分词集合;分别对候选证据集合中排序前m位证据的正文内容字段进行分词处理,生成对应的证据分词集合;计算每个证据与诊断请求文本的分词交集规模,通过启发式评估计算得到质量评估分数。

43、规则型评估模式:基于报警码命中率、设备名命中率、部位名命中率、故障关键词覆盖率与来源可信度加权计算得到质量评估分数。

44、进一步地,所述步骤s4中,所述查询改写具体包括:

45、当预置的查询改写模型处于可调用状态时,以原始诊断请求文本与当前候选证据集合中各证据的标题字段作为输入,通过查询改写模型生成适配结构化矿山装备报警知识库检索的改写查询语句;

46、当查询改写模型不可调用时,对原始诊断请求文本依次执行术语标准化处理、同义词扩展处理和报警场景补词处理,生成改写查询语句。

47、进一步地,所述步骤s6中,所述子智能体包括故障诊断子智能体、预测性维护子智能体和机理分析子智能体,其中:

48、所述故障诊断子智能体用于定位故障原因与故障部位;

49、所述预测性维护子智能体用于预测设备剩余使用寿命与劣化趋势;

50、所述机理分析子智能体用于推导故障演化机理与传递路径。

51、进一步地,所述步骤s6中,通过关键词识别所述诊断请求的诊断类别,将诊断任务路由至与所述诊断类别对应的子智能体,具体包括:

52、故障诊断:诊断请求包含“报警、原因、排查、复位、处理”等关键词时,通过主智能体将诊断任务路由至故障诊断子智能体;

53、预测性维护诊断:诊断请求包含“巡检、保养、策略、寿命、预测性维护”等关键词时,通过主智能体将诊断任务路由至预测性维护子智能体;

54、机理分析诊断:诊断请求包含“机理、为什么、推理、状态演化”等关键词时,通过主智能体将诊断任务路由至机理分析子智能体;

55、当无法明确分类时,默认路由至故障诊断子智能体。

56、进一步地,所述步骤s6中,所述子智能体的输入仅为证据的摘要字段,所述子智能体在诊断推理过程中,根据推理需求通过证据标识调取对应的完整证据信息;在诊断结果的后处理阶段,校验生成的诊断结果文本中的证据标识,并在诊断结果文本中未包含证据标识时,自动补充参与诊断推理的全部证据标识。

57、进一步地,所述步骤s8中,按照预设的高阶审计输出完整的审计归档信息;当高阶审计输出失败时,触发降级输出机制生成最小降级审计输出,所述最小降级审计输出至少包括归档文件和会话记录,其中归档文件至少包含诊断请求文本、诊断结果、证据标识、追踪标识、错误信息与时间戳。

58、第二方面本发明提供了一种证据驱动的矿山装备多智能体协同诊断与预测系统,所述系统用于实现如上所述的一种证据驱动的矿山装备多智能体协同诊断与预测方法,所述系统包括:

59、输入接收模块,用于接收矿山装备报警问题的诊断请求并生成追踪标识

60、预检门禁模块,用于执行预检门禁校验,分别检索模型单元、检索单元、工具调用单元和子智能体构建单元的可用状态,根据预检结果匹配系统的运行模式;

61、多源知识处理模块,用于构建并存储结构化矿山装备报警知识库;

62、混合检索模块,用于调用所述结构化矿山装备报警知识库执行混合检索,并对检索结果执行去重合并与归一化加权融合,生成候选证据集合;

63、检索自愈模块,用于对所述候选证据集合执行证据质量评估;当质量评估结果低于预设质量阈值时,对当前诊断请求进行查询改写,重新触发所述混合检索模块执行混合检索,直至获得满足质量要求的最优证据集合;

64、证据对象管理模块,用于对所述最优证据集合执行证据对象化管理,为集合内每个证据分配证据标识,建立并存储所述证据标识与对应证据信息的映射关系;

65、任务路由模块,用于识别所述诊断请求的诊断类别,根据诊断类别将诊断任务路由至对应类型的子智能体,同时将所述诊断请求与所述最优证据集合中各证据的摘要字段输入对应子智能体;

66、诊断结果生成模块,内置多个子智能体,用于根据匹配到的子智能体,基于所述诊断请求与所述摘要字段进行诊断推理,确定待引用证据,并根据所述待引用证据的证据标识从所述证据对象管理模块的映射关系中调取完整证据信息,生成携带对应证据标识的诊断结果;

67、输出管理模块,用于基于所述追踪标识生成并输出审计归档信息。

68、第三方面本发明提供一种电子设备,包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时,实现如上所述的方法。

69、第四方面本发明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,实现如上所述的方法。

70、本发明提供了一种证据驱动的矿山装备多智能体协同诊断与预测方法,通过对包含json、excel、pdf等多源知识库文件进行统一结构化处理和元数据化管理,提高了矿山装备报警知识库的可检索性;

71、通过语义向量检索与关键词稀疏检索融合,以及基于阈值的查询改写和自愈检索机制,有效解决了同一故障以设备编号、报警码、部位名称或口语化描述等多种形式表达时的检索召回不足问题;

72、通过证据对象化和统一引用键机制,为每个证据分配全局唯一的证据标识,并建立证据标识与文档标识、标题、摘要、正文内容、元数据、融合得分和检索来源的完整映射,实现了诊断结论到原始知识条目、工单和pdf页码的可追溯绑定;

73、通过故障诊断、预测性维护和机理分析三类子智能体的任务路由机制,使故障诊断、预测性维护和机理解释采用更适配的处理链路,避免了单一模型“一刀切”的处理方式,提高了诊断结论的专业性;

74、通过预检门禁、故障分级和最小降级输出机制,提升了系统工程稳定性和连续可用性。