一种基于大模型的工业物联网智能决策方法、系统及设备技术方案

本发明专利技术属于工业物联网技术领域，具体涉及一种基于大模型的工业物联网智能决策方法、系统及设备，所述方法包括：基于设备实时数据、工况参数及历史数据，采用残差补偿算法生成自适应动态阈值；基于动态阈值和设备实时数据，计算异常评分；将异常评分和将多模态数据结构化上下文输入大模型，生成带置信度评估的决策指令，并记录审计日志；所述决策指令包括操作动作、操作参数和约束条件；当决策指令的置信度达到置信度阈值或异常评分超过设定阈值时，触发自动化操作，并基于自动化操作的执行效果进行闭环反馈，动态更新置信度、置信度阈值、残差补偿系数和异常评分权重。通过残差补偿算法与工况自适应动态阈值调整，系统误报率降低。

【技术实现步骤摘要】

本专利技术属于工业物联网，具体涉及一种基于大模型的工业物联网智能决策方法、系统及设备。

技术介绍

1、在工业物联网领域，工业设备告警机制普遍依赖固定阈值，这种静态的设定方式无法根据实际工况的变化进行动态调整。例如，设备在不同负载率、环境温度以及运行时长等工况条件下，其正常运行的参数范围会有所不同，但固定阈值无法适应这种变化，导致告警准确性降低，可能出现误报或漏报的情况，影响设备的正常运行和生产效率。

2、随着人工智能和大模型技术的飞速发展，众多企业积极探索智能决策相关方案。然而，在工业场景应用中，现阶段大模型技术大多局限于数据分析层面，未能与自动化操作形成有效的闭环。大模型虽然能够对大量工业数据进行深度分析，但分析结果往往无法直接转化为具体的自动化操作指令，导致决策与执行之间存在脱节现象。同时，缺乏标准化的大模型指令交互模板，使得不同系统之间难以进行有效的信息交互和协同工作，进一步阻碍了智能决策技术在工业物联网领域的广泛应用。

技术实现思路

1、针对现有技术的上述不足，本专利技术提供一种基于大模型本文档来自技高网...

【技术保护点】

1.一种基于大模型的工业物联网智能决策方法，其特征在于，包括：

2.根据权利要求1所述的基于大模型的工业物联网智能决策方法，其特征在于，所述动态阈值包括动态阈值上限和动态阈值下限，其中：

3.根据权利要求2所述的基于大模型的工业物联网智能决策方法，其特征在于，基线值的计算步骤如下：

4.根据权利要求3所述的基于大模型的工业物联网智能决策方法，其特征在于，频段能量的计算方法包括：

5.根据权利要求4所述的基于大模型的工业物联网智能决策方法，其特征在于，基于动态阈值和设备实时数据，计算异常评分的步骤包括：

6.根据权利要求5所述的基...

【技术特征摘要】

1.一种基于大模型的工业物联网智能决策方法，其特征在于，包括：

2.根据权利要求1所述的基于大模型的工业物联网智能决策方法，其特征在于，所述动态阈值包括动态阈值上限和动态阈值下限，其中：

3.根据权利要求2所述的基于大模型的工业物联网智能决策方法，其特征在于，基线值的计算步骤如下：

4.根据权利要求3所述的基于大模型的工业物联网智能决策方法，其特征在于，频段能量的计算方法包括：

5.根据权利要求4所述的基于大模型的工业物联网智能决策方法，其特征在于，基于动态阈值和设备实时数据，计算异常评分的步骤包括：

6.根据权利要求5所述的基于大模型的工业物联网智能决策方法，其特征在于，所述s3中的大模型决策指令生成包括：

7.根据...

【专利技术属性】
技术研发人员：高大伟，于静，马宏宇，胡占军，赵金涛，宋凯月，
申请(专利权)人：浪潮云洲工业互联网有限公司，
类型：发明
国别省市：