本發(fā)明屬于故障檢測(cè)，具體的說(shuō)是基于大模型的故障檢測(cè)方法及系統(tǒng)。

背景技術(shù)：

1、故障檢測(cè)方法通過(guò)采集和分析系統(tǒng)運(yùn)行過(guò)程中的各種數(shù)據(jù)，利用特定的算法或模型來(lái)判斷系統(tǒng)是否存在異?；蚬收?，其目的在于及時(shí)發(fā)現(xiàn)并定位故障，以便采取相應(yīng)的措施進(jìn)行修復(fù)，從而避免或減少故障對(duì)系統(tǒng)造成的影響和損失。傳統(tǒng)的故障檢測(cè)方法，如基于規(guī)則的方法、基于統(tǒng)計(jì)的方法以及基于機(jī)器學(xué)習(xí)的方法等，雖然在一定程度上能夠滿(mǎn)足特定領(lǐng)域的故障檢測(cè)需求，但往往存在泛化能力不足、模型復(fù)雜度較高以及對(duì)于大規(guī)模數(shù)據(jù)的處理能力有限等問(wèn)題。

2、如公開(kāi)號(hào)為cn118069400a的中國(guó)專(zhuān)利申請(qǐng)公開(kāi)了故障檢測(cè)方法、系統(tǒng)及電子設(shè)備，包括：獲取目標(biāo)設(shè)備對(duì)應(yīng)的目標(biāo)數(shù)據(jù)，目標(biāo)設(shè)備為待故障檢測(cè)設(shè)備，目標(biāo)數(shù)據(jù)包括多個(gè)子數(shù)據(jù)，各子數(shù)據(jù)為目標(biāo)設(shè)備對(duì)應(yīng)的不同數(shù)據(jù)源中用于故障識(shí)別的數(shù)據(jù)；將目標(biāo)數(shù)據(jù)輸入至故障分析模型，以使故障分析模型根據(jù)目標(biāo)數(shù)據(jù)，得到目標(biāo)故障檢測(cè)結(jié)果，目標(biāo)故障檢測(cè)結(jié)果包括目標(biāo)設(shè)備的故障類(lèi)型以及故障原因，故障分析模型為基于歷史故障數(shù)據(jù)訓(xùn)練得到的模型。利用大模型的方法，有效減少了故障檢測(cè)的人力投入，通過(guò)故障分析模型對(duì)目標(biāo)設(shè)備對(duì)應(yīng)的包括多個(gè)用于故障識(shí)別的子數(shù)據(jù)的目標(biāo)數(shù)據(jù)進(jìn)行分析，與僅從單一數(shù)據(jù)總線(xiàn)或者診斷數(shù)據(jù)中識(shí)別故障的方法相比，提升了故障檢測(cè)結(jié)果的準(zhǔn)確性和全面性。

3、如授權(quán)公告號(hào)為cn115629930b的中國(guó)專(zhuān)利公開(kāi)了基于dsp系統(tǒng)的故障檢測(cè)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，包括：獲取故障信號(hào)；將故障信號(hào)輸入至預(yù)設(shè)的故障檢測(cè)模型，基于故障檢測(cè)模型，對(duì)故障信號(hào)進(jìn)行分類(lèi)處理，并對(duì)分類(lèi)后的故障信號(hào)進(jìn)行故障信息診斷處理，得到故障信息；其中，故障檢測(cè)模型是基于故障信號(hào)樣本、故障信號(hào)樣本的類(lèi)別權(quán)值信息和故障信號(hào)樣本的故障信息標(biāo)簽對(duì)待訓(xùn)練模型進(jìn)行迭代訓(xùn)練后得到的。該技術(shù)方案基于預(yù)訓(xùn)練的故障檢測(cè)模型，對(duì)dsp處理器的信號(hào)處理系統(tǒng)中出現(xiàn)的故障信號(hào)進(jìn)行分類(lèi)以及故障信息診斷，快速準(zhǔn)確地輸出故障信息，無(wú)需開(kāi)發(fā)人員或者使用人員對(duì)于大批量的問(wèn)題定位進(jìn)行手動(dòng)調(diào)試，提高了dsp系統(tǒng)故障檢測(cè)的效率。

4、以上現(xiàn)有技術(shù)均存在以下問(wèn)題：cn118069400a中，雖然提到了將目標(biāo)數(shù)據(jù)輸入故障分析模型以獲取故障檢測(cè)結(jié)果，但并未提及實(shí)時(shí)性要求和反饋機(jī)制；僅提到了故障類(lèi)型和故障原因，但并未提及故障位置和故障概率信息；cn115629930b中，主要關(guān)注dsp系統(tǒng)內(nèi)部的故障信號(hào)，并基于這些信號(hào)進(jìn)行分類(lèi)和診斷；故障檢測(cè)結(jié)果的詳細(xì)性與準(zhǔn)確性存在限制；雖然提到了快速準(zhǔn)確地輸出故障信息，但可能沒(méi)有詳細(xì)討論實(shí)時(shí)性要求和反饋機(jī)制。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提出了基于大模型的故障檢測(cè)方法及系統(tǒng)，從工業(yè)系統(tǒng)中采集多源故障數(shù)據(jù)并進(jìn)行預(yù)處理，提取故障特征形成數(shù)據(jù)集；加載預(yù)訓(xùn)練的大語(yǔ)言模型，并根據(jù)故障特征數(shù)據(jù)集進(jìn)行微調(diào)；利用微調(diào)后的模型和故障特征數(shù)據(jù)集構(gòu)建故障檢測(cè)模型，結(jié)合自適應(yīng)優(yōu)化策略進(jìn)行訓(xùn)練和評(píng)估，獲得訓(xùn)練好的模型；將實(shí)時(shí)采集的故障數(shù)據(jù)輸入模型中，輸出初步的故障檢測(cè)結(jié)果，并通過(guò)多層次故障分析方法進(jìn)一步獲得故障類(lèi)型、位置和概率信息，同時(shí)反饋結(jié)果以?xún)?yōu)化模型，本發(fā)明提高了故障檢測(cè)的準(zhǔn)確性和效率。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、基于大模型的故障檢測(cè)方法，包括：

4、步驟s1：從工業(yè)系統(tǒng)中采集多源故障數(shù)據(jù)，并進(jìn)行預(yù)處理，同時(shí)，對(duì)預(yù)處理后的多源故障數(shù)據(jù)進(jìn)行故障特征提取，獲得故障特征數(shù)據(jù)集；

5、步驟s2：加載預(yù)訓(xùn)練好的大語(yǔ)言模型，并根據(jù)故障特征數(shù)據(jù)集進(jìn)行微調(diào)；

6、步驟s3：利用微調(diào)后的大語(yǔ)言模型和故障特征數(shù)據(jù)集構(gòu)建故障檢測(cè)模型，結(jié)合自適應(yīng)優(yōu)化策略，對(duì)故障檢測(cè)模型進(jìn)行訓(xùn)練和評(píng)估，根據(jù)評(píng)估結(jié)果，對(duì)故障檢測(cè)模型進(jìn)行優(yōu)化，獲得訓(xùn)練好的故障檢測(cè)模型；

7、步驟s4：將實(shí)時(shí)采集的故障數(shù)據(jù)輸入訓(xùn)練好的故障檢測(cè)模型中，故障檢測(cè)模型根據(jù)輸入數(shù)據(jù)輸出初步的故障檢測(cè)結(jié)果，結(jié)合多層次故障分析方法，對(duì)初步的故障檢測(cè)結(jié)果進(jìn)行多層次分析，獲得故障類(lèi)型、故障位置和故障概率信息，并將實(shí)時(shí)的故障檢測(cè)結(jié)果和多層次分析的結(jié)果反饋至故障檢測(cè)模型進(jìn)行優(yōu)化。

8、具體地，所述步驟s3中自適應(yīng)優(yōu)化策略的具體公式為：

9、；

10、其中，t表示當(dāng)前時(shí)刻，和分別表示故障檢測(cè)模型在t時(shí)刻的一階矩估計(jì)和二階矩估計(jì)，表示在t+1時(shí)刻的故障檢測(cè)模型參數(shù)，表示在t時(shí)刻的故障檢測(cè)模型參數(shù)，表示控制參數(shù)更新的步長(zhǎng)，和表示在t時(shí)刻矩估計(jì)的指數(shù)衰減率，b表示常數(shù)。

11、具體地，所述步驟s4的具體步驟包括：

12、s4.1：獲取實(shí)時(shí)故障數(shù)據(jù)，并進(jìn)行預(yù)處理，獲得預(yù)處理后的實(shí)時(shí)故障數(shù)據(jù)，其中，表示第m個(gè)預(yù)處理后的實(shí)時(shí)故障數(shù)據(jù)，m表示預(yù)處理后的實(shí)時(shí)故障數(shù)據(jù)的數(shù)量；

13、s4.2：將輸入訓(xùn)練好的故障檢測(cè)模型中，故障檢測(cè)模型根據(jù)輸入數(shù)據(jù)輸出初步的故障檢測(cè)結(jié)果；

14、s4.3：結(jié)合多層次故障分析方法，對(duì)初步的故障檢測(cè)結(jié)果進(jìn)行深入分析，并通過(guò)知識(shí)圖譜和專(zhuān)家系統(tǒng)，結(jié)合實(shí)時(shí)故障數(shù)據(jù)中的特征信息和歷史故障案例，判斷故障類(lèi)型、故障位置和故障概率信息；

15、s4.4：將實(shí)時(shí)故障檢測(cè)結(jié)果和多層次分析結(jié)果反饋至故障檢測(cè)模型，利用強(qiáng)化學(xué)習(xí)算法，根據(jù)反饋結(jié)果進(jìn)行在線(xiàn)更新。

16、具體地，所述s4.3的具體步驟包括：

17、s4.31：獲取和初步的故障檢測(cè)結(jié)果；

18、s4.32：從歷史故障案例、專(zhuān)家經(jīng)驗(yàn)、設(shè)備手冊(cè)中提取故障知識(shí)，并利用知識(shí)圖譜方法，將提取的故障知識(shí)表示為圖形化的知識(shí)結(jié)構(gòu)，其中，故障類(lèi)型、故障位置、故障概率信息表示為節(jié)點(diǎn)，它們之間的關(guān)系被表示為邊；

19、s4.33：將初步的故障檢測(cè)結(jié)果輸入到預(yù)加載的專(zhuān)家系統(tǒng)中，專(zhuān)家系統(tǒng)根據(jù)知識(shí)圖譜中的故障知識(shí)，對(duì)故障檢測(cè)結(jié)果進(jìn)行匹配和推理，獲得故障類(lèi)型、故障位置和故障概率信息；

20、s4.34：根據(jù)專(zhuān)家系統(tǒng)的推理結(jié)果，結(jié)合，判斷故障的具體類(lèi)型和位置；

21、s4.35：利用機(jī)器學(xué)習(xí)算法，對(duì)歷史故障案例進(jìn)行分析，得到故障發(fā)生的概率分布，并根據(jù)當(dāng)前設(shè)備的運(yùn)行狀態(tài)、故障的具體類(lèi)型和位置，評(píng)估故障發(fā)生的概率。

22、具體地，所述s4.4的具體步驟包括：

23、s4.41：將實(shí)時(shí)故障檢測(cè)結(jié)果和多層次分析結(jié)果進(jìn)行整合，生成故障檢測(cè)報(bào)告；

24、s4.42：加載預(yù)構(gòu)建好的強(qiáng)化學(xué)習(xí)模型，將故障檢測(cè)報(bào)告作為反饋結(jié)果，輸入到強(qiáng)化學(xué)習(xí)模型，并設(shè)計(jì)獎(jiǎng)勵(lì)函數(shù)和狀態(tài)轉(zhuǎn)移規(guī)則，利用強(qiáng)化學(xué)習(xí)策略對(duì)強(qiáng)化學(xué)習(xí)模型進(jìn)行訓(xùn)練，使強(qiáng)化學(xué)習(xí)模型能夠?qū)W習(xí)并適應(yīng)新的故障模式，獲得訓(xùn)練后的強(qiáng)化學(xué)習(xí)模型，公式為：

25、；

26、其中，表示t+1時(shí)刻時(shí)，在狀態(tài)z、動(dòng)作d、故障特征f和上下文信息g下的質(zhì)量函數(shù)，表示t時(shí)刻時(shí)，在狀態(tài)z、動(dòng)作d、故障特征f和上下文信息g下的質(zhì)量函數(shù)，表示學(xué)習(xí)率，表示采取動(dòng)作d后立即獲得的獎(jiǎng)勵(lì)，表示折扣因子，表示t時(shí)刻時(shí)，在下一個(gè)狀態(tài)、動(dòng)作、故障特征和上下文信息下的質(zhì)量函數(shù)的最大值，、、、分別表示下一個(gè)狀態(tài)、動(dòng)作、故障特征和上下文信息，表示特征權(quán)重，表示特征函數(shù)，表示約束權(quán)重，表示約束函數(shù)；

27、s4.43：根據(jù)強(qiáng)化學(xué)習(xí)模型的訓(xùn)練結(jié)果，調(diào)整故障檢測(cè)模型的參數(shù)，并對(duì)調(diào)整后的故障檢測(cè)模型進(jìn)行準(zhǔn)確性評(píng)估，同時(shí)，根據(jù)評(píng)估結(jié)果，對(duì)故障檢測(cè)模型進(jìn)行進(jìn)一步的優(yōu)化和調(diào)整；

28、若評(píng)估結(jié)果不理想，則返回步驟s4.42，重新訓(xùn)練強(qiáng)化學(xué)習(xí)模型，并再次更新故障檢測(cè)模型；

29、若評(píng)估結(jié)果滿(mǎn)足要求，則輸出結(jié)果，結(jié)束流程。

30、基于大模型的故障檢測(cè)系統(tǒng)，包括：數(shù)據(jù)處理模塊、模型微調(diào)模塊、故障檢測(cè)模塊、故障分析模塊；

31、所述數(shù)據(jù)處理模塊，用于從工業(yè)系統(tǒng)中采集多源故障數(shù)據(jù)，并進(jìn)行預(yù)處理和特征提??；

32、所述模型微調(diào)模塊，用于使用故障特征數(shù)據(jù)集對(duì)預(yù)訓(xùn)練好的大語(yǔ)言模型進(jìn)行微調(diào)；

33、所述故障檢測(cè)模塊，用于利用微調(diào)后的大語(yǔ)言模型和故障特征數(shù)據(jù)集構(gòu)建故障檢測(cè)模型，并進(jìn)行訓(xùn)練和評(píng)估，根據(jù)評(píng)估結(jié)果對(duì)模型進(jìn)行優(yōu)化；

34、所述故障分析模塊，用于將實(shí)時(shí)采集的故障數(shù)據(jù)輸入訓(xùn)練好的故障檢測(cè)模型中，輸出初步的故障檢測(cè)結(jié)果，并結(jié)合多層次故障分析方法進(jìn)行多層次分析。

35、具體地，所述故障分析模塊包括：實(shí)時(shí)檢測(cè)單元、多層次分析單元、反饋優(yōu)化單元；

36、所述實(shí)時(shí)檢測(cè)單元，用于將實(shí)時(shí)采集的故障數(shù)據(jù)輸入訓(xùn)練好的故障檢測(cè)模型中，輸出初步的故障檢測(cè)結(jié)果；

37、所述多層次分析單元，用于對(duì)初步的故障檢測(cè)結(jié)果進(jìn)行多層次分析；

38、所述反饋優(yōu)化單元，用于將實(shí)時(shí)檢測(cè)結(jié)果和多層次分析的結(jié)果反饋至故障檢測(cè)模型進(jìn)行優(yōu)化。

39、一種電子設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)基于大模型的故障檢測(cè)方法的步驟。

40、一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)指令，當(dāng)計(jì)算機(jī)指令運(yùn)行時(shí)執(zhí)行基于大模型的故障檢測(cè)方法的步驟。

41、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

42、1.本發(fā)明提出基于大模型的故障檢測(cè)系統(tǒng)，并進(jìn)行了架構(gòu)、運(yùn)行步驟和流程上的優(yōu)化改進(jìn)，系統(tǒng)具備流程簡(jiǎn)單，投資運(yùn)行費(fèi)用低廉，生產(chǎn)工作成本低的優(yōu)點(diǎn)。

43、2.本發(fā)明提出基于大模型的故障檢測(cè)方法，通過(guò)從工業(yè)系統(tǒng)中采集多源故障數(shù)據(jù)并進(jìn)行預(yù)處理和特征提取，結(jié)合預(yù)訓(xùn)練的大語(yǔ)言模型進(jìn)行微調(diào)，構(gòu)建并優(yōu)化了故障檢測(cè)模型，這一過(guò)程不僅提高了故障檢測(cè)的準(zhǔn)確性和效率，還使得模型能夠更好地適應(yīng)工業(yè)系統(tǒng)的實(shí)際情況，降低了誤報(bào)和漏報(bào)的概率。

44、3.本發(fā)明提出基于大模型的故障檢測(cè)方法，將實(shí)時(shí)采集的故障數(shù)據(jù)輸入訓(xùn)練好的故障檢測(cè)模型中，能夠迅速輸出初步的故障檢測(cè)結(jié)果；通過(guò)多層次故障分析方法對(duì)結(jié)果進(jìn)行進(jìn)一步的分析，可以獲得詳細(xì)的故障類(lèi)型、位置和概率信息，為故障的快速定位和修復(fù)提供了有力支持；同時(shí)，將實(shí)時(shí)檢測(cè)結(jié)果和分析結(jié)果反饋至模型進(jìn)行優(yōu)化，能夠不斷提升模型的檢測(cè)能力和準(zhǔn)確性，提高了工業(yè)系統(tǒng)的穩(wěn)定性。