路由感知的数字孪生与检索增强生成大语言模型智能体在轴承诊断问答中的应用与基准评估

《Applied Sciences》:A Digital-Twin-Based and RAG-Based LLM Agent Framework for Intelligent Bearing Diagnosis and Maintenance

【字体: 大 中 小 】 时间:2026年09月18日 来源:Applied Sciences 2.5

编辑推荐:

   智能轴承诊断与维护需要能够结合资产特定状态证据与工程知识的问答系统。然而,现有的轴承诊断研究主要侧重于预测故障标签或健康状态,而基于文档的RAG系统通常无法获取特定资产的状态信息。基于数字孪生的系统提供了结构化的状态数据,但对人工主导的诊断解释支持有限。因此,目前仍缺乏统一的

  智能轴承诊断与维护需要能够结合资产特定状态证据与工程知识的问答系统。然而,现有的轴承诊断研究主要侧重于预测故障标签或健康状态,而基于文档的RAG系统通常无法获取特定资产的状态信息。基于数字孪生的系统提供了结构化的状态数据,但对人工主导的诊断解释支持有限。因此,目前仍缺乏统一的路由感知框架和基准,用于确定不同诊断问题所需的证据,并分别评估路由选择、数字孪生查询、文档检索和答案接地。为填补这一空白,本文提出了一种面向轴承诊断问答的、具备路由感知能力的数字孪生(DT)与检索增强生成(RAG)大语言模型(LLM)智能体框架。该框架将问题路由至四条路径:无关、仅DT、仅RAG以及DT+RAG。基于运行至失效的轴承数据和技术维护手册语料库,构建了一个包含140个问题的路由专用基准,用于评估路由器及四条处理路径。混合路由器实现了0.979的准确率,仅DT模块达到了0.967的查询准确率和0.900的联合准确率。混合+重排序在仅RAG的Hit@5、平均倒数排名(MRR)和上下文精确度方面表现最佳,而混合方案在DT+RAG的Hit@1、MRR、忠实度和上下文精确度方面表现最佳。这些结果表明,路由感知的证据选择为基于LLM的轴承诊断问答提供了一种透明且可评估的方法。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号