4月22日，機械學院陳吉紅教授、楊建中研究員牽頭的“智能決策支持”團隊在中國工程院院刊/中國科技期刊卓越計劃領軍期刊“Engineering”上，發表了題為“Intelligent Fault Diagnosis for CNC Through the Integration of Large Language Models and Domain Knowledge Graphs”(集成大型語言模型和領域知識圖譜的數控系統智能故障診斷研究)研究論文，展現了機械、數控系統和人工智能交叉學科的最新研究成果。國家智能設計與數控技術創新中心、學院2021級博士生劉宇涵為第一作者。
 

　　數控系統作為現代制造業的核心組成部分，其故障診斷能力直接影響生產效率和產品質量。傳統的故障診斷系統主要依賴專家系統，存在三個主要問題：(1)故障診斷知識的組織效率低；(2)靜態知識框架與動態工程環境之間缺乏適應性；(3)專家知識與實時數據流的整合困難。這些問題限制了傳統方法處理不確定性問題的能力。
 

　　針對上述科學和工程問題，研究團隊在研究論文中提出了一種數控系統智能故障診斷研究框架，該框架基于大型語言模型和領域知識圖譜等關鍵技術，突破了傳統專家系統基于符號推理的局限，顯著提高了故障診斷的效率與準確性，超越了具有兩年經驗的工程師診斷水平。文中分別提出了基于知識圖譜的檢索增強(RAG)方法，以及結合大語言模型與專家知識輸入的動態學習機制。
 

　　基于知識圖譜的RAG方法融合了多源異構數據，通過將知識圖譜劃分為多個與特定故障原因關聯的解決路徑子圖，將多輪對話轉化為圖譜路徑的遍歷過程，有效彌補了傳統RAG在結構化方面的不足，增強了復雜交互任務支持能力。而動態學習機制則通過持續的用戶交互，動態更新知識圖譜，實現生成能力與診斷性能的協同進化。論文設計了面向垂直領域的大模型評估基準體系，并通過大量對比實驗驗證了所提出框架在實際工業環境中的應用可行性。目前，該系統已成功部署于華中數控“數控云管家”APP。
 

　　此項工作填補了具備自主學習能力的智能數控系統的研究空白，促進了大模型在工業領域的實際應用。