MaintAGT：基于 Sim2Real 指导的多模态大模型用于智能维护及链式思考推理
信号处理
2024-12-03 v1
摘要
近年来，大型语言模型在自然语言处理领域取得了显著进展，但在特定领域知识和应用方面仍存在不足。本文提出了 MaintAGT，一个面向智能运维的专业大型模型，以解决上述问题。该系统包含三个关键组件：信号转文本模型、纯文本模型和多模态模型。首先设计了信号转文本模型，将原始信号数据转换为文本描述，弥合信号数据与基于文本的分析之间的鸿沟。其次，使用专门知识微调的 GLM4 模型对纯文本模型进行微调，以增强其对领域特定文本的理解。最后，将这两个模型集成以开发一个综合性的多模态模型，有效处理和分析信号和文本数据。用于训练和评估的数据来源于学术论文、教科书、国际标准和振动分析师培训材料，经过严密的预处理以确保高质量数据。结果表明，该模型在多个智能运维任务中表现卓越，为构建大规模监控信号-文本描述-故障模式数据集提供了低成本、高质量的方法。实验结果表明，该模型在condition monitoring、信号处理和故障诊断方面具有显著优势。在构建的一般测试集中，MaintAGT 实现了70%的准确率，超越了所有现有的通用大型语言模型，达到ISO Level III人类振动分析师水平。这一进展标志着从传统维护实践向智能和AI驱动的维护解决方案迈出的关键一步。
引用
@article{arxiv.2412.00481,
title = {MaintAGT:Sim2Real-Guided Multimodal Large Model for Intelligent Maintenance with Chain-of-Thought Reasoning},
author = {Hongliang He and Jinfeng Huang and Qi Li and Xu Wang and Feibin Zhang and Kangding Yang and Li Meng and Fulei Chu},
journal= {arXiv preprint arXiv:2412.00481},
year = {2024}
}