本發(fā)明涉及故障診斷領(lǐng)域，尤其涉及一種基于大語言模型的立體車庫故障分析系統(tǒng)及方法。

背景技術(shù)：

1、在現(xiàn)代工業(yè)中，復(fù)雜的裝備系統(tǒng)如立體車庫在運行過程中易出現(xiàn)故障，這些故障點多且組合形式復(fù)雜，使得快速定位故障根因變得困難，進(jìn)而影響故障的及時修復(fù)。傳統(tǒng)的故障診斷模型主要存在以下缺陷：

2、（1）基于推理或邏輯分析的模型構(gòu)建復(fù)雜、成本高昂，且在復(fù)雜系統(tǒng)中的應(yīng)用受限；

3、（2）傳統(tǒng)機(jī)器學(xué)習(xí)模型需要大量標(biāo)注數(shù)據(jù)且解釋性差；

4、（3）現(xiàn)有l(wèi)lm直接應(yīng)用存在領(lǐng)域知識不足導(dǎo)致的“幻覺”問題；

5、（4）復(fù)雜故障需要結(jié)合多源異構(gòu)數(shù)據(jù)進(jìn)行綜合分析。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)的不足，本發(fā)明提出一種基于大語言模型的立體車庫故障分析系統(tǒng)及方法。

2、具體技術(shù)方案如下：

3、一種基于大語言模型的立體車庫故障分析系統(tǒng)，包括：私有l(wèi)lm模塊、設(shè)備維修知識庫模塊、物聯(lián)及邊緣計算模塊、檢索和推理模塊；

4、所述私有l(wèi)lm模塊用于對預(yù)訓(xùn)練大語言模型進(jìn)行微調(diào)，生成適用于智能立體車庫故障分析的私有大語言模型，用于輸出故障根因分析結(jié)果和故障解決方案；

5、所述設(shè)備維修知識庫模塊用于通過知識圖譜生成軟件構(gòu)建基于知識圖譜的設(shè)備維修知識庫，其包含智能立體車庫領(lǐng)域的知識；

6、所述物聯(lián)及邊緣計算模塊用于收集智能立體車庫的日常運行數(shù)據(jù)和故障信息，并將其上傳至故障分析云平臺，轉(zhuǎn)換為語義化信息，即問題；

7、所述檢索和推理模塊包括問題分類子模塊、局部提問子模塊和全局提問子模塊；所述問題分類子模塊用于根據(jù)問題的屬性和特征對其進(jìn)行分類，將通過檢索總結(jié)的方式能給出結(jié)論的問題輸入局部提問子模塊進(jìn)行處理，將需要評估影響、分析根因能給出結(jié)論的問題輸入全局提問子模塊進(jìn)行處理；

8、所述局部提問子模塊用于根據(jù)問題，在設(shè)備維修知識庫中分別對文本切塊、實體、關(guān)系和圖社區(qū)進(jìn)行近鄰搜索，并篩選出相似度和相關(guān)性評分最高的內(nèi)容，將其通過私有大語言模型進(jìn)行語言組織與輸出；

9、所述全局提問子模塊基于map-reduce架構(gòu)進(jìn)行檢索，首先根據(jù)問題在設(shè)備維修知識庫中對圖社區(qū)進(jìn)行近鄰搜索，取相似度達(dá)到設(shè)定閾值的圖社區(qū)為相關(guān)社區(qū)；將相關(guān)社區(qū)的社區(qū)摘要輸入私有大語言模型，生成中間結(jié)果；再依據(jù)中間結(jié)果與問題的相似度和相關(guān)性評分進(jìn)行分組，并通過私有大語言模型匯總后，整合為故障根因分析和故障解決方案。

10、進(jìn)一步地，所述私有l(wèi)lm模塊中，對預(yù)訓(xùn)練大語言模型進(jìn)行微調(diào)包括以下步驟：

11、（1.1）數(shù)據(jù)預(yù)處理：將智能立體車庫的維保手冊和故障處理方法轉(zhuǎn)換為輸入輸出問答對，并進(jìn)行數(shù)據(jù)清洗、去除冗余信息和標(biāo)準(zhǔn)化處理；

12、（1.2）采用數(shù)據(jù)預(yù)處理后的數(shù)據(jù)，通過lora方法對預(yù)訓(xùn)練大語言模型進(jìn)行微調(diào)，得到私有大語言模型。

13、進(jìn)一步地，所述知識圖譜生成軟件選擇graphrag，構(gòu)建設(shè)備維修知識庫包括以下步驟：

14、（2.1）文本切塊：將結(jié)構(gòu)化的歷史維保記錄進(jìn)行非結(jié)構(gòu)化處理后，按預(yù)先定義的塊大小進(jìn)行分塊，得到多個文本塊；

15、（2.2）使用私有大語言模型從各文本塊中識別實體，并提取各實體之間的關(guān)系；

16、（2.3）社區(qū)聚類：記一個實體及其對應(yīng)的屬性信息為一個節(jié)點，基于（2.2）得到的各實體之間的關(guān)系，將節(jié)點聚類為圖社區(qū)，并使用私有大語言模型生成社區(qū)摘要；

17、（2.4）構(gòu)建包含節(jié)點、關(guān)系、圖社區(qū)的知識圖譜，存儲作為設(shè)備維修知識庫；所述設(shè)備維修知識庫外掛于所述私有大語言模型外，得到故障分析模型。

18、進(jìn)一步地，所述步驟（2.2）中，采用執(zhí)行命名實體識別的方式從文本塊中識別實體，采用關(guān)系抽取算法提取各實體之間的關(guān)系；所述步驟（2.3）中，采用萊頓算法進(jìn)行節(jié)點聚類。

19、進(jìn)一步地，所述智能立體車庫的plc控制器為目標(biāo)設(shè)備，物聯(lián)網(wǎng)盒子與目標(biāo)設(shè)備的串口或以太網(wǎng)口連接，物聯(lián)網(wǎng)盒子支持工業(yè)通信協(xié)議，實現(xiàn)獲取目標(biāo)設(shè)備的運行數(shù)據(jù)和故障信息；

20、在物聯(lián)網(wǎng)盒子端進(jìn)行邊緣計算：對于非關(guān)鍵運行數(shù)據(jù)，設(shè)置異常數(shù)據(jù)觸發(fā)機(jī)制，僅當(dāng)檢測到特定錯誤代碼或異常情況時，物聯(lián)網(wǎng)盒子將故障前后固定時間內(nèi)的非關(guān)鍵運行數(shù)據(jù)發(fā)布至故障分析云平臺；對于關(guān)鍵運行數(shù)據(jù)，物聯(lián)網(wǎng)盒子實時將其發(fā)布至故障分析云平臺；

21、在所述故障分析云平臺中，進(jìn)行數(shù)據(jù)清洗和格式轉(zhuǎn)換，將數(shù)據(jù)轉(zhuǎn)換為能由大語言模型處理的語義化信息。

22、進(jìn)一步地，所述物聯(lián)網(wǎng)盒子選用數(shù)據(jù)終端單元物聯(lián)網(wǎng)盒子，對應(yīng)連接至目標(biāo)設(shè)備的rs485接口，支持modbus或dlt協(xié)議。

23、一種基于大語言模型的立體車庫故障分析方法，基于所述的基于大語言模型的立體車庫故障分析系統(tǒng)實現(xiàn)，包括以下步驟：

24、s1：在私有l(wèi)lm模塊中，基于智能立體車庫的維保手冊、故障標(biāo)準(zhǔn)處理方法，采用lora方法對預(yù)訓(xùn)練大語言模型進(jìn)行微調(diào)，得到適用于智能立體車庫故障分析的私有大語言模型；

25、s2：在設(shè)備維修知識庫模塊中，通過graphrag方法構(gòu)建基于知識圖譜的設(shè)備維修知識庫，將智能立體車庫領(lǐng)域知識作為資料庫外掛在私有大語言模型外，組成故障分析模型；

26、s3：通過物聯(lián)及邊緣計算模塊，進(jìn)行智能立體車庫日常運行和故障信息的物聯(lián)網(wǎng)數(shù)據(jù)采集和處理，并輸出語義化信息至檢索和推理模塊；

27、s4：將物聯(lián)及邊緣計算模塊輸出的語義化信息作為問題，通過問題分類子模塊，將問題根據(jù)其屬性分類為簡單檢索類問題或復(fù)雜分析類問題；所述簡單檢索類問題為通過檢索總結(jié)的方式就能給出結(jié)論的問題，通過局部提問子模塊進(jìn)行處理；所述復(fù)雜分析類問題需要評估影響、分析根因給出結(jié)論，通過全局提問子模塊進(jìn)行處理。

28、進(jìn)一步地，所述s3具體包括以下步驟：

29、物聯(lián)網(wǎng)盒子與目標(biāo)設(shè)備的串口或以太網(wǎng)口連接，并通過工業(yè)通信協(xié)議，獲取目標(biāo)設(shè)備的運行數(shù)據(jù)和故障信息；

30、所述物聯(lián)網(wǎng)盒子將采集到的數(shù)據(jù)傳輸至故障分析云平臺，在其中進(jìn)行數(shù)據(jù)記錄和二次處理，所述二次處理包括數(shù)據(jù)清洗和格式轉(zhuǎn)換；將所述二次處理后的數(shù)據(jù)轉(zhuǎn)換為能由大語言模型處理的語義化信息；

31、上述傳輸過程中，在物聯(lián)網(wǎng)盒子端進(jìn)行邊緣計算：對于非關(guān)鍵運行數(shù)據(jù)，設(shè)置異常數(shù)據(jù)觸發(fā)機(jī)制，僅當(dāng)檢測到特定錯誤代碼或異常情況時，物聯(lián)網(wǎng)盒子將故障前后固定時間內(nèi)的非關(guān)鍵運行數(shù)據(jù)發(fā)布至故障分析云平臺；對于關(guān)鍵運行數(shù)據(jù)，物聯(lián)網(wǎng)盒子實時將其發(fā)布至故障分析云平臺。

32、進(jìn)一步地，所述簡單檢索類問題的特征包括：①查詢單一明確的故障代碼處理方法；②查詢標(biāo)準(zhǔn)維修流程或零部件更換方法；③查詢設(shè)備參數(shù)或配置信息；④問題描述簡單直接，無需關(guān)聯(lián)多種因素；

33、所述復(fù)雜分析類問題的特征包括：①包含多個相關(guān)聯(lián)的故障代碼；②涉及設(shè)備間的相互影響或級聯(lián)故障；③故障反復(fù)出現(xiàn)；④需要分析環(huán)境因素對故障的影響；⑤問題描述中包含需要深入分析的詞語，所述需要深入分析的詞語包括：非標(biāo)、根因、關(guān)聯(lián)。

34、本發(fā)明的有益效果是：

35、本發(fā)明構(gòu)建的立體車庫故障分析系統(tǒng)基于大語言模型和圖檢索增強生成，通過結(jié)合私有大語言模型、設(shè)備維修知識庫以及物聯(lián)網(wǎng)數(shù)據(jù)處理技術(shù)，實現(xiàn)了從設(shè)備運行狀態(tài)描述到自動生成故障識別、根因分析結(jié)果和故障解決方案的全過程，從而提高了故障診斷的效率和準(zhǔn)確性，特別是對于難以通過傳統(tǒng)規(guī)則或邏輯推理解決的復(fù)雜故障；解決了知識不足導(dǎo)致的“幻覺”問題。