【技术实现步骤摘要】
本专利技术涉及轨道交通设备智能运维领域，尤其涉及轨道交通设备故障智能预测功能。
技术介绍
1、轨道交通是我国国民经济的命脉和交通运输的骨干网络，不仅承担了绝大部分国家战略、经济物资的运输，同时承担着客运运输职能，在促进我国资源输送、加强经济区域交流、解决城市交通拥挤等方面发挥了巨大作用。轨道交通设备种类繁多，运维复杂，高、中、低压各等级设备众多，交流、直流混合，运行负荷波动大，同时这些设备常年运行于以高湿为代表的恶劣环境。目前，针对如此巨量的设备，存在以下不足：① 对故障预见性不足，往往只能采用计划性维修或事后维修模式，通常导致维修工作缺少针对性，效率较低；②海量设备带来的大量有价值数据未被采集和有效利用，不能有效指导设备检修。因此如何高效利用海量运维数据实现设备故障预测是降低维修成本，安全运营体系主要面临的问题。
技术实现思路
1、针对现有技术中存在的上述问题，本专利技术的目的是：利用海量运维数据完成设备故障预测，实现降低维护成本,减少设备故障造成的损失、降低轨道交通运营成本。
2、为了实现上述目的，本专利技术采用的技术方案为：一种基于大语言模型的轨道交通设备故障预测方法，包括以下步骤：
3、s1、获取设备运维数据并对原始数据预处理构建成带标签的运维文本数据集；
4、s2、利用运维文本数据集对大语言模型进行微调得到故障预测模型；
5、s3、接受设备实时运行状态和维修历史记录输入大语言模型得到预测结果并将结果发送至运维平台，记录运维人
6、s4、根据历史运行数据定期更新模型。
7、进一步的，获取设备运维数据并对原始数据预处理构建带标签的运维文本数据集，其特征在于，包含以下步骤：
8、s11、获取设备当前运行参数、状态和历史维修记录；
9、s12、将设备运行参数转述成自然语言；
10、s13、将被述成自然语言的设备运行参数数据和设备维修记录合并成文本数据，设备当前状态作为标签；文本数据包括设备类型，设备运行参数自然语言，故障类型，故障处置方法，故障处置评价；
11、s14、遍历文本数据若单条文本数据超过512字符则使用步长为256长度为512的滑动窗口将该条预处理文本数据重构成若干个子样本。
12、进一步的，利用运维文本数据集对大语言模型进行微调得到故障预测模型，所述故障预测模型包括：bert模型和线性分类器，包含以下步骤：
13、s21、将预处理文本数据输入bert模型进行处理得到特征向量；
14、s22、将bert模型输出的特征向量输入至线性分类器，并计算线性分类器输出结果和真实标签之间的损失，更新bert模型的参数对bert模型完成微调得到故障预测模型。
15、进一步的，接受设备实时运行状态和维修历史记录输入故障预测模型得到预测结果并将结果发送至运维平台记录运维人员确认情况，包含以下步骤：
16、s31、将实时运行状态和维修历史记录按照要求1所述步骤1的方法输入故障预测模型得到预测结果并将结果使用restful接口发送至运维系统；
17、s32、接受运维人员对预测结果的反馈将预测历史存入历史库。历史库中数据包括s31中预测输入和运维人员反馈结果。
18、进一步的，根据历史运行数据定期更新模型，包含以下步骤：
19、s41、设定模型更新周期；
20、s42、按照设定的所述模型更新周期查询所述历史库，将查询的数据按照1步骤1方法预处理，按照步骤2方法重新生成所述故障预测模型。
21、与现有技术相比，本专利技术公开的技术方案具有以下有益效果：
22、1、本专利技术将城市轨道交通海量的结构化运维数据和维修记录转化成自然语言数据集，使用轨道交通运维方向的数据集对bert模型进行微调。充分利用大语言模型的理解力，能够发现运维数据中的潜在模式和关联，从而准确预测轨道交通设备的故障，并提供解决故障的建议；
23、2、本专利技术解决了城市轨道交通巨量设备维修场景下故障预见性不足、大量数据未被采集和有效利用的问题，增强了故障预见的准确性，使得维修工作更加具有针对性和效率，提示了运营的安全性。
本文档来自技高网...【技术保护点】
1.一种基于大语言模型的轨道交通设备故障预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于大语言模型的轨道交通设备故障预测方法，其特征在于，所述步骤S1具体包含以下步骤：
3.根据权利要求2所述的一种基于大语言模型的轨道交通设备故障预测方法，其特征在于，所述步骤S2中故障预测模型包括：BERT模型和线性分类器，具体包含以下步骤：
4.根据权利要求3所述的一种基于大语言模型的轨道交通设备故障预测方法，其特征在于，所述步骤S3具体包含以下步骤：
5.根据权利要求4所述的一种基于大语言模型的轨道交通设备故障预测方法，其特征在于，包含以下步骤：
6.根据权利要求2所述的一种基于大语言模型的轨道交通设备故障预测方法，其特征在于，所述文本数据包括设备类型、设备运行参数自然语言、故障类型、故障处置方法和故障处置评价。
7.根据权利要求4所述的一种基于大语言模型的轨道交通设备故障预测方法，其特征在于，所述历史库中数据包括S31中预测输入和运维人员反馈结果。
【技术特征摘要】
1.一种基于大语言模型的轨道交通设备故障预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于大语言模型的轨道交通设备故障预测方法，其特征在于，所述步骤s1具体包含以下步骤：
3.根据权利要求2所述的一种基于大语言模型的轨道交通设备故障预测方法，其特征在于，所述步骤s2中故障预测模型包括：bert模型和线性分类器，具体包含以下步骤：
4.根据权利要求3所述的一种基于大语言模型的轨道交通设备故障预测方法，其特征在于，所...
【专利技术属性】
技术研发人员：俞铭，李佑文，褚红健，杨航，刘琴，葛淼，
申请(专利权)人：南京国电南自轨道交通工程有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。