【技術(shù)實(shí)現(xiàn)步驟摘要】
本專(zhuān)利技術(shù)屬于機(jī)械領(lǐng)域，尤其涉及一種基于多模態(tài)大語(yǔ)言模型的風(fēng)力發(fā)電機(jī)的故障診斷方法。
技術(shù)介紹
1、隨著風(fēng)力發(fā)電機(jī)發(fā)電占比的提高，對(duì)于風(fēng)力發(fā)電機(jī)的故障診斷需求也不斷地增長(zhǎng)，由于風(fēng)力發(fā)電機(jī)經(jīng)常存在于不方便人為診斷的環(huán)境，因此很多風(fēng)力發(fā)電機(jī)存在長(zhǎng)時(shí)間的故障導(dǎo)致發(fā)電效率降低，為清潔能源合理開(kāi)發(fā)帶來(lái)挑戰(zhàn)?，F(xiàn)有的風(fēng)力發(fā)電故障檢測(cè)依賴維修人員進(jìn)入發(fā)電機(jī)頭部進(jìn)行人為診斷，存在一定的風(fēng)險(xiǎn)。
2、大語(yǔ)言模型因其具有強(qiáng)大的語(yǔ)言理解和推理能力，微調(diào)訓(xùn)練數(shù)據(jù)依賴性低，可擴(kuò)展性強(qiáng)等優(yōu)點(diǎn)，引發(fā)了大量學(xué)者的研究和使用。通過(guò)深度學(xué)習(xí)和海量數(shù)據(jù)訓(xùn)練，大語(yǔ)言模型能夠生成高度符合用戶需求的內(nèi)容。llama大語(yǔ)言模型是由meta開(kāi)發(fā)的一種基于transformer架構(gòu)的開(kāi)源大語(yǔ)言模型，它在多種nlp任務(wù)中展現(xiàn)出強(qiáng)大的性能，包括文本生成、問(wèn)答、摘要等。此外，llama模型還被廣泛應(yīng)用于多模態(tài)任務(wù)中，為實(shí)現(xiàn)強(qiáng)大的語(yǔ)言理解和生成能力提供了堅(jiān)實(shí)基礎(chǔ)。阿里巴巴的通義千問(wèn)以其開(kāi)源策略和高性能在中文大語(yǔ)言模型領(lǐng)域占據(jù)一席之地，推動(dòng)了低成本、易于部署的商業(yè)化解決方案。google的palm系列模型在參數(shù)量和性能上均達(dá)到新高度，其中，palm-e更是集成了多模態(tài)處理能力，為llm的應(yīng)用開(kāi)辟了新的可能性。
3、隨著大語(yǔ)言模型功能和性能的增強(qiáng)，大語(yǔ)言模型(llms)的微調(diào)版本已經(jīng)被廣泛開(kāi)發(fā)和應(yīng)用，以滿足特定行業(yè)的特定需求。在金融領(lǐng)域，有bloomberggpt，fingpt，軒轅2.0，antfinglm等模型，金融領(lǐng)域的微調(diào)模型旨在提高模型在金融數(shù)據(jù)分析、風(fēng)險(xiǎn)評(píng)估
4、在風(fēng)力發(fā)電機(jī)故障診斷領(lǐng)域，深度學(xué)習(xí)模型特別是卷積神經(jīng)網(wǎng)絡(luò)(cnn)、循環(huán)神經(jīng)網(wǎng)絡(luò)(rnn)及其變體被廣泛應(yīng)用于提取設(shè)備的運(yùn)行特征并識(shí)別潛在的故障模式，實(shí)現(xiàn)故障的快速、準(zhǔn)確診斷。例如，利用cnn和長(zhǎng)短期記憶網(wǎng)絡(luò)(lstm)相結(jié)合的故障診斷方法，使用cnn從振動(dòng)信號(hào)中提取空間特征，lstm網(wǎng)絡(luò)捕捉時(shí)間序列數(shù)據(jù)中的時(shí)間動(dòng)態(tài)特性。還有利用rnn構(gòu)建自編碼器，學(xué)習(xí)軸承振動(dòng)信號(hào)的本質(zhì)特征，并通過(guò)比較重建信號(hào)與原始信號(hào)的差異來(lái)診斷故障。以及利用transformer算法的高級(jí)特征提取能力，有效識(shí)別已知的故障類(lèi)型，并診斷之前未見(jiàn)過(guò)的故障類(lèi)型。為了提高智能故障診斷的泛化能力，相應(yīng)地開(kāi)發(fā)了由遷移學(xué)習(xí)和深度學(xué)習(xí)組件組成的深度遷移學(xué)習(xí)。
5、深度學(xué)習(xí)在風(fēng)力發(fā)電機(jī)故障診斷領(lǐng)域取得了一些進(jìn)展，但其在實(shí)際應(yīng)用中仍面臨諸多挑戰(zhàn)。首先，數(shù)據(jù)不平衡問(wèn)題嚴(yán)重制約了深度學(xué)習(xí)模型的表現(xiàn)，使得模型在訓(xùn)練過(guò)程中容易偏向正常數(shù)據(jù)而忽略故障數(shù)據(jù)。其次，可利用的數(shù)據(jù)形式單一，無(wú)法多模態(tài)的數(shù)據(jù)進(jìn)行分析診斷。此外，深度學(xué)習(xí)模型的可解釋性較差，其內(nèi)部復(fù)雜的非線性映射關(guān)系使得人們難以理解模型是如何做出決策的。因此現(xiàn)有技術(shù)的大語(yǔ)言模型應(yīng)用在風(fēng)力發(fā)電機(jī)的故障診斷時(shí)，存在故障檢測(cè)準(zhǔn)確率低的問(wèn)題。
技術(shù)實(shí)現(xiàn)思路
1、本專(zhuān)利技術(shù)目的是解決現(xiàn)有技術(shù)的大語(yǔ)言模型應(yīng)用在風(fēng)力發(fā)電機(jī)的故障診斷時(shí)，存在故障檢測(cè)準(zhǔn)確率低的問(wèn)題。提出了一種基于多模態(tài)大語(yǔ)言模型的風(fēng)力發(fā)電機(jī)的故障診斷方法，包括：
2、一、構(gòu)建風(fēng)力發(fā)電機(jī)故障診斷大語(yǔ)言模型；獲得訓(xùn)練好的風(fēng)力發(fā)電機(jī)故障診斷大語(yǔ)言模型；
3、二、采集待診斷的風(fēng)力發(fā)電機(jī)數(shù)據(jù)，輸入訓(xùn)練好的風(fēng)力發(fā)電機(jī)故障診斷大語(yǔ)言模型，得到故障診斷結(jié)果和故障解決方案；
4、所述一中構(gòu)建風(fēng)力發(fā)電機(jī)故障診斷大語(yǔ)言模型；獲得訓(xùn)練好的風(fēng)力發(fā)電機(jī)故障診斷大語(yǔ)言模型具體過(guò)程為：
5、s1：獲取訓(xùn)練集；
6、s2：構(gòu)建風(fēng)力發(fā)電機(jī)故障診斷大語(yǔ)言模型；根據(jù)訓(xùn)練集對(duì)風(fēng)力發(fā)電機(jī)故障診斷大語(yǔ)言模型進(jìn)行訓(xùn)練，獲得訓(xùn)練好的風(fēng)力發(fā)電機(jī)故障診斷大語(yǔ)言模型。
7、所述s1中獲取訓(xùn)練集的具體過(guò)程為：
8、s1.1：獲取公開(kāi)的振動(dòng)分析文本數(shù)據(jù)，根據(jù)公開(kāi)的振動(dòng)分析文本數(shù)據(jù)構(gòu)建故障文本數(shù)據(jù)集；
9、s1.2：構(gòu)建振動(dòng)分析實(shí)驗(yàn)臺(tái)，根據(jù)振動(dòng)分析實(shí)驗(yàn)臺(tái)獲取故障模擬信號(hào)數(shù)據(jù)集；
10、s1.3：將故障文本數(shù)據(jù)集和故障模擬信號(hào)數(shù)據(jù)集組成訓(xùn)練集。
11、本專(zhuān)利技術(shù)的有益效果為：
12、本研究構(gòu)建了一個(gè)針對(duì)風(fēng)力發(fā)電機(jī)故障診斷領(lǐng)域的定制化多模態(tài)大語(yǔ)言模型multimodal?large?language?model(mllm)，旨在借助mllm在文本理解與學(xué)習(xí)方面的卓越能力，為機(jī)械故障診斷及智能運(yùn)維領(lǐng)域提供創(chuàng)新的解決方案與理論支撐。本研究創(chuàng)新性地采用了一種高效的數(shù)據(jù)集構(gòu)建策略，將pdf格式的機(jī)械故障診斷相關(guān)文獻(xiàn)批量轉(zhuǎn)化為結(jié)構(gòu)化的故障診斷問(wèn)答對(duì)數(shù)據(jù)集。本文提出的數(shù)據(jù)集生成方法不僅顯著提升了數(shù)據(jù)集生成的效率與規(guī)模，還為跨領(lǐng)域微調(diào)數(shù)據(jù)集的構(gòu)建提供了一種可借鑒的范式。實(shí)驗(yàn)結(jié)果表明，本研究提出的機(jī)械故障診斷大語(yǔ)言模型在振動(dòng)分析三級(jí)專(zhuān)業(yè)測(cè)試集中展現(xiàn)出了卓越的性能，成功通過(guò)了三級(jí)振動(dòng)分析師的評(píng)估標(biāo)準(zhǔn)，在信號(hào)數(shù)據(jù)的處理方面也表現(xiàn)出超過(guò)其他主流大語(yǔ)言模型的精確度和嚴(yán)謹(jǐn)性。
13、本專(zhuān)利技術(shù)提出了問(wèn)答對(duì)-數(shù)據(jù)集自動(dòng)轉(zhuǎn)化流程，可快速獲取專(zhuān)業(yè)化高質(zhì)量故障診斷微調(diào)數(shù)據(jù)集；還提出了一種信號(hào)轉(zhuǎn)文本模塊，可主動(dòng)地采集多模態(tài)數(shù)字信號(hào)并將信號(hào)特征轉(zhuǎn)化為描述型文字，擴(kuò)充了可使用的數(shù)據(jù)形式；本專(zhuān)利技術(shù)利用大語(yǔ)言模型的語(yǔ)言和推理能力，給出具有嚴(yán)謹(jǐn)邏輯的推理依據(jù)，以及最后結(jié)果和建議，使結(jié)果具有高度可解釋性，解決了現(xiàn)有技術(shù)的大語(yǔ)言模型應(yīng)用在風(fēng)力發(fā)電機(jī)的故障診斷時(shí)，存在故障檢測(cè)準(zhǔn)確率低的問(wèn)題。
本文檔來(lái)自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于多模態(tài)大語(yǔ)言模型的風(fēng)力發(fā)電機(jī)的故障診斷方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于多模態(tài)大語(yǔ)言模型的風(fēng)力發(fā)電機(jī)的故障診斷方法，其特征在于，所述步驟一中構(gòu)建風(fēng)力發(fā)電機(jī)故障診斷大語(yǔ)言模型；獲得訓(xùn)練好的風(fēng)力發(fā)電機(jī)故障診斷大語(yǔ)言模型，具體過(guò)程為：
3.根據(jù)權(quán)利要求2所述的一種基于多模態(tài)大語(yǔ)言模型的風(fēng)力發(fā)電機(jī)的故障診斷方法，其特征在于，所述S1中獲取訓(xùn)練集的具體過(guò)程為：
4.根據(jù)權(quán)利要求3所述的一種基于多模態(tài)大語(yǔ)言模型的風(fēng)力發(fā)電機(jī)的故障診斷方法，其特征在于，所述S1.1中振動(dòng)分析文本數(shù)據(jù)包括：風(fēng)力發(fā)電機(jī)設(shè)備資料，振動(dòng)分析師的培訓(xùn)教材、國(guó)際的標(biāo)準(zhǔn)化文檔以及培訓(xùn)資料；
5.根據(jù)權(quán)利要求4所述的一種基于多模態(tài)大語(yǔ)言模型的風(fēng)力發(fā)電機(jī)的故障診斷方法，其特征在于，所述S2中風(fēng)力發(fā)電機(jī)故障診斷大語(yǔ)言模型包括：信號(hào)轉(zhuǎn)換文本模塊和大語(yǔ)言模型模塊；
6.根據(jù)權(quán)利要求5所述的一種基于多模態(tài)大語(yǔ)言模型的風(fēng)力發(fā)電機(jī)的故障診斷方法，其特征在于，
7.根據(jù)權(quán)利要求6所述的一種基于多模態(tài)大語(yǔ)言模型的風(fēng)力發(fā)電機(jī)的故障診
8.根據(jù)權(quán)利要求7所述的一種基于多模態(tài)大語(yǔ)言模型的風(fēng)力發(fā)電機(jī)的故障診斷方法，其特征在于，所述S2.2中大語(yǔ)言模型模塊為L(zhǎng)lama3-8B大語(yǔ)言模型。
9.根據(jù)權(quán)利要求8所述的一種基于多模態(tài)大語(yǔ)言模型的風(fēng)力發(fā)電機(jī)的故障診斷方法，其特征在于，所述S2.3中對(duì)大語(yǔ)言模型模塊進(jìn)行訓(xùn)練的算法為L(zhǎng)oRA算法；所述訓(xùn)練過(guò)程中的學(xué)習(xí)率調(diào)度方法為Cosine學(xué)習(xí)率調(diào)度方法。
10.根據(jù)權(quán)利要求9所述的一種基于多模態(tài)大語(yǔ)言模型的風(fēng)力發(fā)電機(jī)的故障診斷方法，其特征在于，所述步驟二中采集待診斷的風(fēng)力發(fā)電機(jī)數(shù)據(jù)為待采集待診斷的風(fēng)力發(fā)電機(jī)的軸承的振動(dòng)信號(hào)數(shù)據(jù)。
...【技術(shù)特征摘要】
1.一種基于多模態(tài)大語(yǔ)言模型的風(fēng)力發(fā)電機(jī)的故障診斷方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于多模態(tài)大語(yǔ)言模型的風(fēng)力發(fā)電機(jī)的故障診斷方法，其特征在于，所述步驟一中構(gòu)建風(fēng)力發(fā)電機(jī)故障診斷大語(yǔ)言模型；獲得訓(xùn)練好的風(fēng)力發(fā)電機(jī)故障診斷大語(yǔ)言模型，具體過(guò)程為：
3.根據(jù)權(quán)利要求2所述的一種基于多模態(tài)大語(yǔ)言模型的風(fēng)力發(fā)電機(jī)的故障診斷方法，其特征在于，所述s1中獲取訓(xùn)練集的具體過(guò)程為：
4.根據(jù)權(quán)利要求3所述的一種基于多模態(tài)大語(yǔ)言模型的風(fēng)力發(fā)電機(jī)的故障診斷方法，其特征在于，所述s1.1中振動(dòng)分析文本數(shù)據(jù)包括：風(fēng)力發(fā)電機(jī)設(shè)備資料，振動(dòng)分析師的培訓(xùn)教材、國(guó)際的標(biāo)準(zhǔn)化文檔以及培訓(xùn)資料；
5.根據(jù)權(quán)利要求4所述的一種基于多模態(tài)大語(yǔ)言模型的風(fēng)力發(fā)電機(jī)的故障診斷方法，其特征在于，所述s2中風(fēng)力發(fā)電機(jī)故障診斷大語(yǔ)言模型包括：信號(hào)轉(zhuǎn)換文本模塊和大語(yǔ)言模型模塊；
6.根據(jù)權(quán)利要求5所述的...
【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：李學(xué)藝，冉光圣，王天楊，謝怡寧，王志亮，
申請(qǐng)(專(zhuān)利權(quán))人：東北林業(yè)大學(xué)，
類(lèi)型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。