本发明属于高速公路机电运维管理,尤其涉及一种基于大语言模型的机电运维管理专业知识库系统。
背景技术:
1、随着高速公路行业的快速发展,机电运维养护管理设备种类越来越多,机电设备故障处理的压力越来越大。为了覆盖全省高速公路,目前高速公路运维网点设置以片区化管理为主,片区间通常相距数百公里,而机电设备故障又多采用现场排障的方式解决,发生故障时存在响应时间、排障时间长的问题。
2、目前,传统的人工分析和处理故障的方式普遍依赖运维人员的过往经验,没有形成机电运维专业知识积累,无法满足行业对运维数据分析和决策的支持需求。
技术实现思路
1、为解决上述技术问题,本发明提出一种基于大语言模型的机电运维管理专业知识库系统的技术方案,以解决上述技术问题。
2、本发明公开了一种基于大语言模型的机电运维管理专业知识库系统,系统包括:
3、机电设备故障分析数据仓库模块,被配置为,基于机电设备原始故障数据形成机电设备故障数据仓库;
4、机电运维故障文本知识抽取模块,被配置为,通过构建规则模板实现机电运维数据的知识抽取;
5、知识问答模块,被配置为,通过构建基于langchain应用程序框架的chatglm模型响应不同时间范围和空间维度的指标查询需求;
6、运维知识数据应用可视化模块,被配置为,将知识问答模块的数据查询结果,在前端对话框进行呈现;
7、机电运维管理分析报告生成模块,被配置为,生成定制化需求的机电运维知识数据分析简报,指示出故障发生时最优的解决方案。
8、可选地,系统还包括:数据质量校验模块,被配置为,将机电运维数据用于模型训练和应用,消除机电运维数据样本集的噪声问题和缺失值问题,提升大语言模型的训练和应用效果。
9、可选地,系统还包括:数据安全和隐私保护模块,用于对包含敏感数据进行脱敏处理,实现数据安全和数据隐私保护。
10、可选地,在机电设备故障分析数据仓库模块中,基于机电设备原始故障数据形成机电设备故障详情数据仓库具体被配置为,从机电设备原始故障数据中抽取故障相关信息,采用星型模型设计机电设备故障数据仓库的数据模式,形成机电设备故障详情数据集。
11、可选地,在机电设备故障分析数据仓库模块中,机电设备故障分析数据仓库中的数据主要来源于机电运维管理系统的业务数据库,业务数据库中的故障数据经过etl处理后,就会被机电设备故障分析数据仓库识别,使用sql提供的ssis服务不仅可以处理数据表中的数据,还可以集成异种数据源的数据,从而实现机电设备故障数据仓库建立。
12、可选地,在形成机电设备故障数据仓库时,针对多模态数据表达不统一的核心问题,利用chatglm-6b对话语言模型对机电运维故障文本数据进行智能解译,并通过地理逆编码获取机电设备的影像知识;基于机电设备故障文本数据,使用命名实体识别、关系抽取技术进行知识抽取,获取文本知识;将两者知识训练词向量,利用词向量语义相似度计算进行知识关联融合构建统一的三元组形成机电运维故障知识图谱。
13、可选地,机电运维故障文本知识抽取模块包括基于langchain的至少llms模型、agent模型、prompt模型、chain模型、memery模型,根据机电运维业务场景读取机电设备的至少设备规格信息、安装位置信息、运行状态数据信息,并进行向量化处理,填入预设的开源模型本体中作为样本集输入。
14、可选地,知识问答模块,通过对接数据之后从机电运维管理系统中获取故障处理记录真实数据,对于不同时间范围和空间维度的指标查询需求,通过聊天窗口进行输入,知识机器人识别后会对后台数据快速检索,在秒级范围内输出查询结果。
15、可选地,知识问答模块针对不同的设备运维场景可以通过知识图谱的深度检索特点获取多维度灾情信息,通过机电运维图谱知识推理挖掘有效信息,为故障处理提供决策知识。
16、可选地,知识问答模块首先在本体层构建四个核心类:机电运维故障事件、故障处理记录数据、故障处理措施、模型方法;然后根据每个本体类的概念层次进行领域细分。
17、综上,本发明提出的方案采用chatglm模型结合langchain应用程序框架,在高速公路机电运维养护专业知识分析场景落地,利用数字孪生技术实现机电运维设备运行状态可视化;针对行业特点和业务场景进行定制化开发;通过结合机电运维管理业务分析型数据形成专业知识库,指示发生机电设备故障时的最佳解决方案,为高速公路管理数字化转型和智能化发展提供有力支持。
1.一种基于大语言模型的机电运维管理专业知识库系统,其特征在于,所述系统包括:
2.根据权利要求1所述的一种基于大语言模型的机电运维管理专业知识库系统,其特征在于,所述系统还包括:
3.根据权利要求1或2所述的一种基于大语言模型的机电运维管理专业知识库系统,其特征在于,所述系统还包括:
4.根据权利要求1或2所述的一种基于大语言模型的机电运维管理专业知识库系统,其特征在于,在所述机电设备故障分析数据仓库模块中,所述基于机电设备原始故障数据形成机电设备故障详情数据仓库具体被配置为,从机电设备原始故障数据中抽取故障相关信息,采用星型模型设计所述机电设备故障数据仓库的数据模式,形成机电设备故障详情数据集。
5.根据权利要求4所述的一种基于大语言模型的机电运维管理专业知识库系统,其特征在于,在所述机电设备故障分析数据仓库模块中,所述机电设备故障分析数据仓库中的数据主要来源于机电运维管理系统的业务数据库,业务数据库中的故障数据经过etl处理后,就会被所述机电设备故障分析数据仓库识别,使用sql提供的ssis服务不仅可以处理数据表中的数据,还可以集成异种数据源的数据,从而实现机电设备故障数据仓库建立。
6.根据权利要求1或2所述的一种基于大语言模型的机电运维管理专业知识库系统,其特征在于,在形成所述机电设备故障数据仓库时,针对多模态数据表达不统一的核心问题,利用chatglm-6b对话语言模型对机电运维故障文本数据进行智能解译,并通过地理逆编码获取机电设备的影像知识;基于机电设备故障文本数据,使用命名实体识别、关系抽取技术进行知识抽取,获取文本知识;将两者知识训练词向量,利用词向量语义相似度计算进行知识关联融合构建统一的三元组形成机电运维故障知识图谱。
7.根据权利要求1或2所述的一种基于大语言模型的机电运维管理专业知识库系统,其特征在于,所述机电运维故障文本知识抽取模块包括基于langchain的至少llms模型、agent模型、prompt模型、chain模型、memery模型,根据机电运维业务场景读取机电设备的至少设备规格信息、安装位置信息、运行状态数据信息,并进行向量化处理,填入预设的开源模型本体中作为样本集输入。
8.根据权利要求1或2所述的一种基于大语言模型的机电运维管理专业知识库系统,其特征在于,所述知识问答模块,通过对接数据之后从机电运维管理系统中获取故障处理记录真实数据,对于不同时间范围和空间维度的指标查询需求,通过聊天窗口进行输入,知识机器人识别后会对后台数据快速检索,在秒级范围内输出查询结果。
9.根据权利要求8所述的一种基于大语言模型的机电运维管理专业知识库系统,其特征在于,所述知识问答模块针对不同的设备运维场景可以通过知识图谱的深度检索特点获取多维度灾情信息,通过机电运维图谱知识推理挖掘有效信息,为故障处理提供决策知识。
10.根据权利要求9所述的一种基于大语言模型的机电运维管理专业知识库系统,其特征在于,所述知识问答模块首先在本体层构建四个核心类:机电运维故障事件、故障处理记录数据、故障处理措施、模型方法;然后根据每个本体类的概念层次进行领域细分。