【技术实现步骤摘要】
本专利技术涉及分布式控制系统，尤其涉及一种分布式控制系统故障诊断方法及装置。
技术介绍
1、随着核电技术的蓬勃发展，dcs系统（distributed control system，分布式控制系统或集散控制系统）逐渐从原来的配角角色转变居于决定各工业企业安全经济运行的主角地位。实践证明，dcs 系统的应用，在大大减轻了工作人员的工作强度的同时，提高了工作效率。然而，在实际运行中，dcs 系统可能出现故障，导致生产过程受到影响。因此，如何快速、准确地诊断 dcs 系统故障，为维修人员提供有效的决策支持，成为亟待解决的问题。
2、现有的主要dcs 系统故障诊断方法及其固有问题如下。
3、1、基于专家系统进行dcs系统故障诊断，是指通过收集和整理故障现象、原因和处理方法等经验知识构建知识库，当系统发生故障时，专家系统根据知识库和推理引擎进行故障诊断。这种方式过于依赖专家经验，自适应性和普适性较差，难以应对复杂故障场景。
4、2、基于数据挖掘进行dcs系统故障诊断，是指通过分析实时数据和历史故障数据，识别故障模式，从而实现故障诊断。这种方式对于新型故障和未知故障的诊断效果有限。
5、3、基于人工神经网络进行dcs系统故障诊断，指通过人工神经网络学习和识别故障特征，从而实现故障诊断。这种方式需要大量的训练数据和计算资源。
6、4、基于模糊逻辑进行dcs系统故障诊断，指利用处理故障诊断中的不确定性信息，提高故障诊断的准确性。这种方式需要构建合适的模糊规则库。
7、5、基
8、6、基于维修经验进行dcs系统故障诊断，是利用维修人员在长期的维修实践中积累的故障诊断经验进行故障诊断。这种方式同样对人力要求极大，对操作人员的专业要求极高，事故处理完全依赖工作人员的瞬时反应和经验。
技术实现思路
1、有鉴于此，有必要提供一种分布式控制系统故障诊断方法，以有效解决dcs系统故障诊断准确性、自适应性以及实时性较差的技术问题。
2、本专利技术提供一种分布式控制系统故障诊断方法，包括以下步骤：
3、步骤s1、收集分布式控制系统的故障处理经验文档，建立数据汇聚中心；
4、步骤s2、对所述数据汇聚中心中故障处理经验文档进行数据预处理，得到故障样本数据，建立样本数据集；
5、步骤s3、利用所述样本数据集对大语言模型进行训练，得到故障文本归纳模型以及训练后的标准数据集；
6、步骤s4、对所述标准数据集中数据进行向量计算，构建知识库体系；
7、步骤s5、获取待解决的故障现象数据，并将所述故障现象数据输入所述故障文本归纳模型得到标准故障数据，对所述标准故障数据进行向量计算，并在所述知识库体系中进行向量匹配，得到相应的故障处理方式。
8、优选的，所述步骤s1中收集分布式控制系统的故障处理经验文档，建立数据汇聚中心，具体为：
9、使用数据扭转引擎对不同分布式控制系统的故障处理经验文档进行数据同步，使用数据存储引擎对所述故障处理经验文档进行存储，得到构建的数据汇聚中心。
10、优选的，所述步骤s2中对所述数据汇聚中心中故障处理经验文档进行数据预处理，得到故障样本数据，建立样本数据集，具体包括以下步骤：
11、步骤s21、对所述故障处理经验文档进行文字提取，得到历史故障数据，对所述历史故障数据进行分词处理；
12、步骤s22、识别所述历史故障数据中实体以及实体之间的相互关系，并建立语义网络；
13、步骤s23、计算所述语义网络中的各词汇的词频以及各词汇之间的关联度；
14、步骤s24、基于所述词频以及所述关联度提取关键信息，构建故障样本数据，得到样本数据集。
15、优选的，所述步骤s3中利用所述样本数据集对大语言模型进行训练，得到故障文本归纳模型以及训练后的标准数据集，具体为：
16、选择大语言模型中基座模型，在所述基座模型的输入层中引入虚拟token，使用带有虚拟token的故障样本数据对所述基座模型进行训练，得到故障文本归纳模型以及训练后的标准数据集。
17、优选的，所述步骤s3还包括：
18、利用测试集对所述故障文本归纳模型进行性能评估，判断性能评估参数是否满足设定要求，如果是，则输出当前故障文本归纳模型，否则重新调整所述故障文本归纳模型参数，并继续对所述故障文本归纳模型进行训练。
19、优选的，所述步骤s4中对所述标准数据集中数据进行向量计算，构建知识库体系，具体为：
20、对所述标准数据集中的每一文本块数据进行向量计算得到特征向量，对所述特征向量进行特征抽取得到降维后的特征向量，基于降维后的特征向量之间的欧氏距离建立索引，得到构建的知识库体系。
21、优选的，所述步骤s5中对所述标准故障数据进行向量计算，具体为：
22、采用与构建知识库体系一样的向量计算方式对所述标准故障数据进行向量计算。
23、优选的，所述步骤s5中在所述知识库体系中进行向量匹配，得到相应的故障处理方式，具体为：
24、基于所述知识库体系的索引，将所述标准数据的向量计算结果与所述知识库体系中每一特征向量进行匹配，返回匹配度最高的前设定条特征向量作为向量结果数据，将所述向量结果数据输入所述故障文本归纳模型，得到相应的文本数据作为所述故障处理方式。
25、优选的，所述步骤s5还包括：
26、在所述数据汇聚中心中查找与所述故障处理方式相对应的故障处理经验文档，并输出所述故障处理经验文档作为用户的参考学习文件。
27、本专利技术还提供一种分布式控制系统故障诊断装置，包括存储器和处理器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时实现所述分布式控制系统故障诊断方法。
28、与现有技术相比，本专利技术具有的有益效果为：本专利技术采用大语言模型构建针对dcs故障诊断的智能化辅助决策系统，具有以下效果：
29、1、提高决策效率：决策者可以应用本方法快速获取有关决策主题的全面信息，从而缩短决策周期，提高决策效率；
30、2、提高决策质量：本方法对大量历史故障数据进行挖掘分析，为决策者提供有力证据和依据，有助于提高决策的科学性、准确性和前瞻性；
31、3、实现数据驱动的决策：通过构建数据汇聚中心、知识库体系、故障文本归纳模型，帮助决策者充分利用现有数据，实现数据驱动的诊断决策；
32、4、易用性：使用大语言模型帮助准确理解用户提出的问题，快速掌握系统的操作和功能高效处理核应急领域的自然语言问题，使决策者能够轻松上手，进而快速找到合适的答案；
33本文档来自技高网...
【技术保护点】
1.一种分布式控制系统故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的分布式控制系统故障诊断方法，其特征在于，所述步骤S1中收集分布式控制系统的故障处理经验文档，建立数据汇聚中心，具体为：
3.根据权利要求1所述的分布式控制系统故障诊断方法，其特征在于，所述步骤S2中对所述数据汇聚中心中故障处理经验文档进行数据预处理，得到故障样本数据，建立样本数据集，具体包括以下步骤：
4.根据权利要求1所述的分布式控制系统故障诊断方法，其特征在于， 所述步骤S3中利用所述样本数据集对大语言模型进行训练，得到故障文本归纳模型以及训练后的标准数据集，具体为：
5.根据权利要求1所述的分布式控制系统故障诊断方法，其特征在于，所述步骤S3还包括：
6.根据权利要求1所述的分布式控制系统故障诊断方法，其特征在于，所述步骤S4中对所述标准数据集中数据进行向量计算，构建知识库体系，具体为：
7.根据权利要求1所述的分布式控制系统故障诊断方法，其特征在于，所述步骤S5中对所述标准故障数据进行向量计算，具体为：
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。