【技术实现步骤摘要】
本专利技术涉及大模型，尤其涉及一种预测性维护大模型的评测方法、设备及其介质。
技术介绍
1、在现代工业环境中，工业设备的可靠性与维护效率直接影响着生产的持续性和企业的经济效益。随着工业自动化和信息技术的飞速发展，状态监测系统的应用已经成为提高工作场所安全、保障设备正常运作的重要工具。尤其是预测性维护(predictivemaintenance,pdm)技术，它不仅有助于提前识别潜在的设备问题，还能预测设备故障的发生，从而在问题影响生产之前进行维修，大大提升了设备的服役可靠性和整个工业生产的经济效益。
2、随着人工智能尤其是大语言模型(large language models,llms)的兴起，预测性维护领域的数据分析能力得到了极大的增强。大语言模型通过学习大规模的运维文本数据，能够综合运维知识，理解设备维护日志和技术文档中的语义信息，从而帮助工程师做出更好的维护决策。例如，模型可以通过分析历史故障记录和实时监测数据，自动识别出潜在的故障模式和故障原因，预测设备的剩余使用寿命，甚至建议可能的维护措施。
3、为了确保预测性维护模型能够符合实际工程应用的要求，对其进行综合、有效的评测变得至关重要。因此，亟需研发一种对预测性维护大模型进行综合、有效、符合工程实际的评测方法。
技术实现思路
1、本专利技术旨在至少解决现有技术中存在的技术问题之一。
2、为此，本专利技术提供一种预测性维护大模型的评测方法，能够对预测性维护大模型进行综合、有效、符合工程实际的
3、根据本专利技术实施例的预测性维护大模型的评测方法，所述方法包括：
4、s1，采用大语言模型构建预测性维护大模型；
5、s2，获取工业设备的原始数据；
6、s3，将所述原始数据转换为文本数据，每个所述文本数据对应一标准答案；
7、s4，输入所述文本数据至所述预测性维护大模型处理，得到预测结果；
8、s5，构建评测数据，所述评测数据包括文本数据、所述文本数据对应的标准答案以及所述预测结果；
9、s6，对所述评测数据进行评测，获取评测分数。
10、本专利技术的有益效果是，本专利技术的一种预测性维护大模型的评测方法可以全面评估预测性维护大模型在实际应用中的表现，基于评测分数对预测性维护大模型进行优化处理，预测性维护大模型预测结果评估的准确性高，评估效率快。
11、根据本专利技术一个实施例，在步骤s3中，还会添加任务鲁棒性、可信度以及幻觉程度的错误文本至所述文本数据，再执行所述步骤s4至s6。
12、根据本专利技术一个实施例，在所述步骤s6中对所述评测数据进行评测包括维护性能评测和语言性能评测；
13、所述维护性能评测包括工业设备异常检测、故障定位、故障程度评估、剩余寿命评价以及根本原因分析；
14、所述语言性能评测包括：语言鲁棒性评估、语言可信度评估以及模型幻觉评估。
15、根据本专利技术一个实施例，在所述步骤s6中基于自动评估方式、专家评估方式以及大语言评测模型评估方式对所述评测数据进行评测。
16、根据本专利技术一个实施例，所述自动评估方式包括：
17、s611，基于余弦相似度，计算所述文本数据对应的标准答案y与所述文本数据对应的预测结果t之间的相似指标，计算公式为：
18、
19、其中，·表示向量点积，∥·∥表示向量的欧几里得范数；
20、s612，根据所述相似指标计算采用所述自动评估方式评测预测结果的评测分数i1，计算公式为：
21、
22、其中，|x|表示所述文本数据的数量，topk函数用于选择相似度最高前k个预测结果。
23、根据本专利技术一个实施例，所述专家评估方式包括：
24、s621，基于所述工业设备的维护需求，确定评价维度的集合d＝{d1,d2,...,dn}，其中，n为维度的总数，所述维度包括维护性能的维度和语言性能的维度；
25、s622，通过专家组成的评价团队e对评测数据进行评价，评价团队e＝{e1,e2,...,em}，其中，m是专家的总数，设s(ea,db)为第a位专家对第b个维度的评分，每个所述维度的最终评分f(db)计算为：
26、
27、s623，计算所有维度最终评分的加权平均分，最终评分的加权平均分为所述专家评估方式评测预测结果的评测分数i2，计算公式为：
28、
29、其中，wb是第b个维度的权重。
30、根据本专利技术一个实施例，所述大语言评测模型评估方式包括：
31、s631，构建评分模板；
32、s632，将所述评测数据填充至所述评分模板，形成多个所述大语言评测模型的输入数据集；
33、s633，将所述输入数据集输入至每个所述大语言评测模型进行评测，得到对应的输出评分scorej，j表示大语言评测模型的数量；
34、s634，将每个所述大语言评测模型得到的评分scorej，基于预先设定的权重(wj)计算所述大语言评测模型评估所得的加权平均分，加权平均分为所述大语言评测模型评估方式评测预测结果的评测分数i3，计算公式为：
35、
36、根据本专利技术一个实施例，将通过自动评估方式、专家评估方式以及大语言评测模型评估的评测分数进行加权平均，获取所述预测性维护大模型的综合性能评价分数。
37、根据本专利技术实施例的一种计算机设备，包括：
38、处理器；
39、存储器，用于存储可执行指令；
40、其中，所述处理器用于从所述存储器中读取所述可执行指令，并执行所述可执行指令以实现如上所述的预测性维护大模型的评测方法。
41、根据本专利技术实施例的一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时，使得处理器实现如上所述的预测性维护大模型的评测方法。
42、本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
43、为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
本文档来自技高网...【技术保护点】
1.一种预测性维护大模型的评测方法，其特征在于，所述方法包括：
2.如权利要求1所述的预测性维护大模型的评测方法，其特征在于，在步骤S3中，还会添加任务鲁棒性、可信度以及幻觉程度的错误文本至所述文本数据，执行所述步骤S4至所述步骤S6。
3.如权利要求2所述的预测性维护大模型的评测方法，其特征在于，在所述步骤S6中对所述评测数据进行评测包括维护性能评测和语言性能评测；
4.如权利要求3所述的预测性维护大模型的评测方法，其特征在于，在所述步骤S6中基于自动评估方式、专家评估方式以及大语言评测模型评估方式对所述评测数据进行评测。
5.如权利要求4所述的预测性维护大模型的评测方法，其特征在于，所述自动评估方式包括：
6.如权利要求4所述的预测性维护大模型的评测方法，其特征在于，所述专家评估方式包括：
7.如权利要求4所述的预测性维护大模型的评测方法，其特征在于，所述大语言评测模型评估方式包括：
8.如权利要求4所述的预测性维护大模型的评测方法，其特征在于，将通过自动评估方式、专家评估方式以及大语言评测模
9.一种计算机设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时，使得处理器实现如权利要求1至8中任一项所述的预测性维护大模型的评测方法。
...【技术特征摘要】
1.一种预测性维护大模型的评测方法，其特征在于，所述方法包括：
2.如权利要求1所述的预测性维护大模型的评测方法，其特征在于，在步骤s3中，还会添加任务鲁棒性、可信度以及幻觉程度的错误文本至所述文本数据，执行所述步骤s4至所述步骤s6。
3.如权利要求2所述的预测性维护大模型的评测方法，其特征在于，在所述步骤s6中对所述评测数据进行评测包括维护性能评测和语言性能评测；
4.如权利要求3所述的预测性维护大模型的评测方法，其特征在于，在所述步骤s6中基于自动评估方式、专家评估方式以及大语言评测模型评估方式对所述评测数据进行评测。
5.如权利要求4所述的预测性维护大模型的评测方法，其特征在于，所述自动评估方式包...
【专利技术属性】
技术研发人员：秦朝烨，李奇，张飞斌，孟力，杨康定，徐海锋，黄金凤，王成城，王凯，褚福磊，
申请(专利权)人：频率探索智能科技江苏有限公司，
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。