-
公开(公告)号:CN118918923A
公开(公告)日:2024-11-08
申请号:CN202411137477.4
申请日:2024-08-19
Applicant: 北京化工大学
Abstract: 本发明提供了一种基于语音大模型微调的旋转机械故障预警诊断方法,包括以下步骤:对数据集进行预处理;加载预训练好的语音大模型编码器部分,冻结参数;添加逻辑求均值层、轻量级自编码器;计算轻量级自编码器重构误差作为故障预警指标;计算故障预警的阈值,得到故障预警的结果。本方法创新性地将语音处理领域的先进技术应用到机械故障诊断中,通过利用预训练语音大模型的泛化能力提取更丰富的特征,并仅需微调轻量级自编码器,显著减少了训练时间和成本。同时,采用伽马分布和四分位数方法设定预警阈值,提高了诊断的准确性。本发明实现了跨领域知识迁移,为旋转机械故障预警提供了一种高效、准确的新方法。
-
公开(公告)号:CN118536987A
公开(公告)日:2024-08-23
申请号:CN202411001445.1
申请日:2024-07-25
Applicant: 北京化工大学
IPC: G06Q10/20 , G06F40/237 , G06F40/216 , G06F40/169 , G06N3/0455 , G06N3/082
Abstract: 本申请实施例公开了一种基于生成式大语言模型的旋转机械智能运维诊断方法,包括以下步骤:对旋转机械资料信息进行预处理;为预处理的旋转机械资料信息进行文本编码和旋转位置编码;为生成式大语言模型添加数字头注意力机制;在所述生成式大语言模型的输出层添加计算模块,并对所述生成式大语言模型的输出结果进行计算,得到诊断结果。本申请使用一个通用的预训练模型,在微调阶段只需针对特定任务进行适应性调整,减少了不同模型开发和维护的复杂性和成本。通过引入LLM,期望提高旋转机械状态的诊断准确性和及时性,从而降低生产风险和维修成本。
-