基于大语言模型的制丝断流诊断方法、装置、设备及介质与流程

摘要: 本发明涉及烟草制丝生产过程的故障诊断与知识管理,尤其涉及基于大语言模型的制丝断流诊断方法、装置、设备及介质。背景技术:1、卷烟厂制丝生产线是卷烟制造的核心环节,...
基于大语言模型的制丝断流诊断方法、装置、设备及介质与流程

本发明涉及烟草制丝生产过程的故障诊断与知识管理,尤其涉及基于大语言模型的制丝断流诊断方法、装置、设备及介质。

背景技术:

1、卷烟厂制丝生产线是卷烟制造的核心环节,其连续、稳定运行直接关系到产品质量、原料消耗和生产效率。制丝生产过程中,物料输送中断、堵塞、设备故障等断流现象时有发生,断流会导致加水、加温及加香掺兑等工艺的不均匀性,出现干头干尾等问题,严重影响工艺指标和产品均质化水平。因此,对制丝生产过程中的断流故障进行及时、准确的诊断与处置,是保障制丝生产线稳定运行的关键。

2、目前,制丝断流故障的诊断主要依赖基于设备报警信息的故障提示、基于人工经验的故障排查以及基于特定子系统的智能诊断。但是,基于设备报警信息的故障提示是基于单一信号阈值的报警方式,只能指示发生了异常,无法给出故障原因和定位信息,现场人员仍需耗费大量时间排查具体故障点。基于人工经验的故障排查高度依赖于人员的熟练程度和经验积累,不同人员对同一故障的判断可能存在较大差异,故障处置的效率和准确性难以保障。基于特定子系统的智能诊断通常针对特定设备或特定工序,诊断范围有限,难以覆盖制丝全线多设备、多工序的断流故障诊断需求。

3、因此,如何实现断流故障的快速、准确定位与诊断,保障制丝生产线的连续稳定运行,是目前亟待解决的问题。

技术实现思路

1、本发明提供了一种基于大语言模型的制丝断流诊断方法、装置、设备及介质,可以解决现有制丝断流故障诊断中存在的信息孤岛、经验依赖及知识难以传承的问题。

2、根据本发明的一方面,提供了一种基于大语言模型的制丝断流诊断方法,包括:

3、获取目标制丝车间对应的当前制丝断流知识图谱及当前断流现象描述信息;其中,所述当前制丝断流知识图谱中至少包含现象节点、故障点节点、参数节点、异常特征节点及语义关联网络;

4、基于所述当前断流现象描述信息在所述当前制丝断流知识图谱中定位匹配对应的目标现象节点,并基于所述目标现象节点及所述语义关联网络确定所述当前断流现象描述信息对应的候选故障点、判别参数信息及异常特征信息;

5、基于所述候选故障点及判别参数信息生成数据检索请求,并接收数字孪生系统基于所述数据检索请求返回的所述候选故障点对应的实时运行数据;

6、基于大语言模型对所述实时运行数据及异常特征信息进行语义匹配,确定各个候选故障点对应的故障可能性得分,并基于所述各个候选故障点对应的故障可能性得分确定所述当前断流现象描述信息对应的目标故障点。

7、根据本发明的另一方面,提供了一种基于大语言模型的制丝断流诊断装置,包括:

8、知识图谱获取模块,用于获取目标制丝车间对应的当前制丝断流知识图谱及当前断流现象描述信息;其中,所述当前制丝断流知识图谱中至少包含现象节点、故障点节点、参数节点、异常特征节点及语义关联网络;

9、现象定位模块,用于基于所述当前断流现象描述信息在所述当前制丝断流知识图谱中定位匹配对应的目标现象节点,并基于所述目标现象节点及所述语义关联网络确定所述当前断流现象描述信息对应的候选故障点、判别参数信息及异常特征信息;

10、数据检索模块,用于基于所述候选故障点及判别参数信息生成数据检索请求,并接收数字孪生系统基于所述数据检索请求返回的所述候选故障点对应的实时运行数据;

11、故障定位模块,用于基于大语言模型对所述实时运行数据及异常特征信息进行语义匹配,确定各个候选故障点对应的故障可能性得分,并基于所述各个候选故障点对应的故障可能性得分确定所述当前断流现象描述信息对应的目标故障点。根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:

12、至少一个处理器;以及

13、与所述至少一个处理器通信连接的存储器;其中,

14、所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的基于大语言模型的制丝断流诊断方法。

15、根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的基于大语言模型的制丝断流诊断方法。

16、根据本发明的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现本发明任一实施例所述的基于大语言模型的制丝断流诊断方法。

17、本发明实施例的技术方案,通过获取目标制丝车间对应的当前制丝断流知识图谱及当前断流现象描述信息;其中,当前制丝断流知识图谱中至少包含现象节点、故障点节点、参数节点、异常特征节点及语义关联网络。之后,基于当前断流现象描述信息在当前制丝断流知识图谱中定位匹配对应的目标现象节点,并基于目标现象节点及语义关联网络确定当前断流现象描述信息对应的候选故障点、判别参数信息及异常特征信息。进一步,基于候选故障点及判别参数信息生成数据检索请求,并接收数字孪生系统基于数据检索请求返回的候选故障点对应的实时运行数据。最后,基于大语言模型对实时运行数据及异常特征信息进行语义匹配,确定各个候选故障点对应的故障可能性得分,并基于各个候选故障点对应的故障可能性得分确定当前断流现象描述信息对应的目标故障点。由于利用大语言模型的语义理解与知识推理能力,融合制丝生产线多源异构数据,构建制丝断流故障诊断专家系统,打通信息孤岛,形成完整的故障证据链,同时,充分利用数字孪生系统汇聚的实时数据,解决了现有制丝断流故障诊断中存在的信息孤岛、经验依赖及知识难以传承的问题,能够实现断流故障的快速、准确定位与诊断,保障了制丝生产线的连续稳定运行。

18、应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

1.一种基于大语言模型的制丝断流诊断方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,在所述获取目标制丝车间对应的当前制丝断流知识图谱及当前断流现象描述信息之前,还包括:

3.根据权利要求1所述的方法,其特征在于,所述基于所述当前断流现象描述信息在所述当前制丝断流知识图谱中定位匹配对应的目标现象节点,包括:

4.根据权利要求1所述的方法,其特征在于,所述基于所述候选故障点及判别参数信息生成数据检索请求,包括:

5.根据权利要求1所述的方法,其特征在于,所述基于大语言模型对所述实时运行数据及异常特征信息进行语义匹配,确定各个候选故障点对应的故障可能性得分,包括:

6.根据权利要求5所述的方法,其特征在于,所述基于所述实时运行数据对应的历史正常基线均值及标准差,确定所述候选故障点对应的判别参数综合偏离度,包括:

7.根据权利要求1所述的方法,其特征在于,在所述基于所述各个候选故障点对应的故障可能性得分确定所述当前断流现象描述信息对应的目标故障点之后,还包括:

8.一种基于大语言模型的制丝断流诊断装置,其特征在于,包括:

9.一种电子设备,其特征在于,所述电子设备包括:

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的基于大语言模型的制丝断流诊断方法。