基于 LLM 和 GraphRAG 的柴油发电机故障维保知识推理方法

何焱1; $21; $22; $22; $22（90-99）

文章摘要

author_cn_name].基于 LLM 和 GraphRAG 的柴油发电机故障维保知识推理方法[J].重庆科技学院学报（自然科学版）,2026,(1):.

基于 LLM 和 GraphRAG 的柴油发电机故障维保知识推理方法

DOI：10. 19406 / j. issn. 2097-4531. 2026. 01. 010

中文关键词: 大语言模型 GraphRAG 技术知识图谱故障诊断

英文关键词:

基金项目:四川长宁天然气开发有限责任公司科学研究与技术开发项目“场站应急电源远程启动的研究”(2025D716)

作者	单位
何焱1 雷思凡1 郭梁柱2 杨光富2 牛炼2（90-99）	1. 四川长宁天然气开发有限责任公司 2. 中国石油西南油气田分公司蜀南气矿长宁页岩气运维项目部,

摘要点击次数: 217

全文下载次数: 0

中文摘要:

为提升柴油发电机故障诊断知识推理性能,基于大语言模型(LLM)与知识图谱增强型检索生成技术,提出了一种柴油发电机故障维保知识推理方法。研究数据取自于企业柴油发电机故障维保档案,通过 LLM 进行语义标准化处理,形成覆盖故障系统、故障类型、故障原因、解决对策的本体知识图谱。具体地,通过 CRISPE 框架提示工程驱使 LLM 实现实体与关系的自动抽取,构建结构化故障诊断知识图谱并集成图数据库。融合语义嵌入技术与图谱推理机制,构建知识索引网络, 支持自然语言问答、故障逻辑溯源与专业维修指导等功能。实验结果表明,该方法的整体回答准确率达 94%,且对核心问题的回答准确率均超过 90%。该方法在故障归因精准度、解决方法专业性及复杂故障场景适配性等方面显著优于传统 RAG,以及 ChatGPT-4o、DeepSeek 等通用 LLM,具备更高的领域适应性与推理能力。

英文摘要:

查看全文查看/发表评论下载PDF阅读器

关闭