基于大语言模型和提示工程的机械故障诊断问答研究  

作　　者：任娟 荆晓远 于军[1] 张乐 REN Juan;JING Xiaoyuan;YU Jun;ZHANG Le

机构地区：[1]吉林化工学院信息与控制工程学院,吉林吉林132000 [2]广东石油化工学院计算机学院和省市共建石化装备智能安全广东省重点实验室,广东茂名525000

出　　处：《信息技术与信息化》2024年第9期114-119,共6页Information Technology and Informatization

基　　金：国家自然科学基金项目“基于类不平衡深度特征学习的石化动设备故障信号分类研究”(62176069)。

摘　　要：机械故障诊断领域知识专业术语多,理解难度大。大型语言模型(LLM)虽然在自然语言处理和问答系统上表现都很出色,但因为缺乏特定领域数据训练,在专业领域的问答应用不够精准。为改善LLM在机械故障诊断领域问答的表现,通过收集和预处理专业数据,结合提示工程,设计了一个检索增强的专业问答系统。首先,系统通过信息分类判定,筛选并输入专业相关问题。其次,利用LLM和自建的本地知识库,结合双曲空间中的距离度量函数来提高检索问答的精准度,生成专业的回答。最后,系统通过引入阶段性引导提示,不仅帮助LLM生成问题数据以提高模型性能,还能在专业检索问答中更好地理解用户意图,从而生成全面且准确的回答。实验结果展示了问答系统的效果,还通过主观和客观评估验证了其专业性能,并通过消融实验验证了各模块的性能。

关 键 词：大语言模型(LLM) 提示工程 机械故障诊断 特定领域 专业检索问答 

分 类 号：TH17[机械工程—机械制造及自动化] TP391.1[自动化与计算机技术—计算机应用技术]