故障诊断模型的构建方法及装置、故障诊断方法及装置

1.一种基于AI大模型的汽轮机故障诊断模型的构建方法，其特征在于，包括：分别获取针对汽轮机中单个部件的故障诊断模型构建指令；利用预先构建的汽轮机专业大语言模型，对针对单个部件的故障诊断模型构建指令进行识别，提取所述单个部件对应的候选监测参数，并调用预先构建的汽轮机知识库，确定所述候选监测参数的第一重要程度值；针对每个候选监测参数，计算所述候选监测参数与其他候选监测参数之间的皮尔逊相关系数，并根据其他候选监测参数的第一重要程度值、其他候选监测参数与所述候选监测参数之间的皮尔逊相关系数，确定所述候选监测参数的第二重要程度值；将所述候选监测参数的第一重要程度值和所述候选监测参数的第二重要程度值进行加权平均，得到所述候选监测参数的综合重要程度值，将综合重要程度值大于预设阈值的候选监测参数作为目标监测参数；根据所述目标监测参数对应的时间序列，构建单个部件对应的故障诊断模型；在将各个部件对应的故障诊断模型构建完成后，对各个部件对应的故障诊断模型进行封装，得到汽轮机故障诊断模型。 2.根据权利要求1所述的基于AI大模型的汽轮机故障诊断模型的构建方法，其特征在于，所述方法还包括：获取针对汽轮机整机的故障诊断模型构建指令；利用所述汽轮机专业大语言模型，对针对汽轮机整机的故障诊断模型构建指令进行识别，提取所述汽轮机整机对应的候选监测参数，并调用所述汽轮机知识库，确定所述候选监测参数的第一重要程度值；针对每个候选监测参数，计算所述候选监测参数与其他候选监测参数之间的皮尔逊相关系数，并根据其他候选监测参数的第一重要程度值、其他候选监测参数与所述候选监测参数之间的皮尔逊相关系数，确定所述候选监测参数的第二重要程度值；将所述候选监测参数的第一重要程度值和所述候选监测参数的第二重要程度值进行加权平均，得到所述候选监测参数的综合重要程度值，将综合重要程度值大于预设阈值的候选监测参数作为目标监测参数；根据所述目标监测参数对应的时间序列，构建整机对应的故障诊断模型；所述对各个部件对应的故障诊断模型进行封装，得到汽轮机故障诊断模型，包括：对各个部件对应的故障诊断模型和整机对应的故障诊断模型进行封装，得到汽轮机故障诊断模型。 3.根据权利要求1所述的基于AI大模型的汽轮机故障诊断模型的构建方法，其特征在于，所述根据其他候选监测参数的第一重要程度值、其他候选监测参数与所述候选监测参数之间的皮尔逊相关系数，确定所述候选监测参数的第二重要程度值，包括：假设 表示部件 C 对应的第 i 个候选监测参数的第一重要程度值， 表示部件 C 对应的第 j 个候选监测参数的第一重要程度值， 表示第 i 个候选监测参数和第 j 个候选监测参数之间的皮尔逊相关系数；根据以下公式： 和 ，确定第 i 个候选监测参数的第二重要程度值 ，其中， 为第 i 个候选监测参数的相关性重要程度值。 4.根据权利要求1所述的基于AI大模型的汽轮机故障诊断模型的构建方法，其特征在于，所述汽轮机专业大语言模型的构建方法包括：获取汽轮机专业语料，将所述汽轮机专业语料转换为问答对数据；获取通用大语言模型，并利用所述问答对数据对所述通用大语言模型进行微调，得到所述汽轮机专业大语言模型。 5.根据权利要求1所述的基于AI大模型的汽轮机故障诊断模型的构建方法，其特征在于，所述汽轮机知识库的构建方法包括：获取汽轮机专业文档，对所述汽轮机专业文档进行文字识别，得到知识文本；对所述知识文本进行文本切分，得到知识文本块；通过嵌入模型将所述知识文本块转换为向量，得到向量数据库，将所述向量数据库作为汽轮机知识库。 6.根据权利要求1所述的基于AI大模型的汽轮机故障诊断模型的构建方法，其特征在于，所述根据所述目标监测参数对应的时间序列，构建单个部件对应的故障诊断模型，包括：根据所述目标监测参数对应的时间序列构建训练样本，利用长短期记忆网络LSTM，构建单个部件对应的监测数据预测模型；针对每个目标监测参数，计算所述目标监测参数在每个训练样本上对应的实际值和预测值之间的偏差，并根据所有训练样本对应的偏差进行统计，得到平均值和标准差；根据所述监测数据预测模型、所述平均值和标准差，构建单个部件对应的故障诊断模型。 7.一种基于AI大模型的汽轮机故障诊断方法，其特征在于，包括：获取用户指令，利用预先构建的汽轮机专业大语言模型，对所述用户指令进行识别，判断所述用户指令是否属于汽轮机故障诊断指令；如果用户指令不属于汽轮机故障诊断指令，输出对应的查询结果；如果用户指令属于汽轮机故障诊断指令，根据汽轮机故障诊断指令对应的部件，提取所述部件对应的监测参数，并从预先构建的汽轮机故障诊断模型中调用所述部件对应的故障诊断模型，以对所述部件对应的监测参数进行处理，得到故障诊断结果，其中，所述汽轮机故障诊断模型基于权利要求1~6任一项所述的基于AI大模型的汽轮机故障诊断模型的构建方法构建。 8.一种基于AI大模型的汽轮机故障诊断模型的构建装置，其特征在于，包括：指令获取模块，用于分别获取针对汽轮机中单个部件的故障诊断模型构建指令；第一重要程度值确定模块，用于利用预先构建的汽轮机专业大语言模型，对针对单个部件的故障诊断模型构建指令进行识别，提取所述单个部件对应的候选监测参数，并调用预先构建的汽轮机知识库，确定所述候选监测参数的第一重要程度值；第二重要程度值确定模块，用于针对每个候选监测参数，计算所述候选监测参数与其他候选监测参数之间的皮尔逊相关系数，并根据其他候选监测参数的第一重要程度值、其他候选监测参数与所述候选监测参数之间的皮尔逊相关系数，确定所述候选监测参数的第二重要程度值；综合重要程度值确定模块，用于将所述候选监测参数的第一重要程度值和所述候选监测参数的第二重要程度值进行加权平均，得到所述候选监测参数的综合重要程度值；目标监测参数确定模块，用于将综合重要程度值大于预设阈值的候选监测参数作为目标监测参数；子故障诊断模型构建模块，用于根据所述目标监测参数对应的时间序列，构建单个部件对应的故障诊断模型；汽轮机故障诊断模型生成模块，用于在将各个部件对应的故障诊断模型构建完成后，对各个部件对应的故障诊断模型进行封装，得到汽轮机故障诊断模型。 9.根据权利要求8所述的基于AI大模型的汽轮机故障诊断模型的构建装置，其特征在于，所述指令获取模块，还用于获取针对汽轮机整机的故障诊断模型构建指令；所述第一重要程度值确定模块，还用于利用所述汽轮机专业大语言模型，对针对汽轮机整机的故障诊断模型构建指令进行识别，提取所述汽轮机整机对应的候选监测参数，并调用所述汽轮机知识库，确定所述候选监测参数的第一重要程度值；所述第二重要程度值确定模块，还用于针对每个候选监测参数，计算所述候选监测参数与其他候选监测参数之间的皮尔逊相关系数，并根据其他候选监测参数的第一重要程度值、其他候选监测参数与所述候选监测参数之间的皮尔逊相关系数，确定所述候选监测参数的第二重要程度值；所述综合重要程度值确定模块，还用于将所述候选监测参数的第一重要程度值和所述候选监测参数的第二重要程度值进行加权平均，得到所述候选监测参数的综合重要程度值；所述目标监测参数确定模块，还用于将综合重要程度值大于预设阈值的候选监测参数作为目标监测参数；所述子故障诊断模型构建模块，还用于根据所述目标监测参数对应的时间序列，构建整机对应的故障诊断模型；所述汽轮机故障诊断模型生成模块，具体用于对各个部件对应的故障诊断模型和整机对应的故障诊断模型进行封装，得到汽轮机故障诊断模型。 10.一种基于AI大模型的汽轮机故障诊断装置，其特征在于，所述装置包括：用户指令获取模块，用于获取用户指令；用户指令识别模块，用于利用预先构建的汽轮机专业大语言模型，对所述用户指令进行识别，判断所述用户指令是否属于汽轮机故障诊断指令；查询结果输出模块，用于如果用户指令识别模块确定用户指令不属于汽轮机故障诊断指令，输出对应的查询结果；故障诊断结果输出模块，用于如果用户指令识别模块确定用户指令属于汽轮机故障诊断指令，根据汽轮机故障诊断指令对应的部件，提取所述部件对应的监测参数，并从预先构建的汽轮机故障诊断模型中调用所述部件对应的故障诊断模型，以对所述部件对应的监测参数进行处理，得到故障诊断结果，其中，所述汽轮机故障诊断模型基于权利要求1~6任一项所述的基于AI大模型的汽轮机故障诊断模型的构建方法构建。