本發(fā)明涉及鑄造工藝及人工智能技術(shù)，尤其是基于人工智能中的大型語言模型（如訊飛星火、文心一言、通義千問、gpt-4）進(jìn)行鑄件缺陷診斷、預(yù)測和工藝優(yōu)化的智能系統(tǒng)。

背景技術(shù)：

1、鑄造工藝是一個(gè)復(fù)雜的多步驟物理化學(xué)過程，受溫度、材料成分、冷卻速率等多種因素的影響，即使在成熟的工藝中，也難免出現(xiàn)缺陷。傳統(tǒng)的鑄件缺陷診斷方法通常依賴于專家經(jīng)驗(yàn)或預(yù)設(shè)的規(guī)則體系，這些方法在處理復(fù)雜生產(chǎn)條件下的實(shí)時(shí)缺陷預(yù)防和診斷方面，具有較大的局限性。

2、隨著物聯(lián)網(wǎng)、人工智能、大數(shù)據(jù)等技術(shù)的快速發(fā)展，尤其是大型語言模型（如訊飛星火、文心一言、通義千問、gpt-4）的廣泛應(yīng)用，這些先進(jìn)技術(shù)有助于突破傳統(tǒng)鑄件缺陷診斷系統(tǒng)的局限性，提供更加智能化、實(shí)時(shí)化、動(dòng)態(tài)化的診斷和工藝優(yōu)化方案。然而，目前尚無將人工智能大型語言模型與鑄件缺陷診斷及工藝優(yōu)化系統(tǒng)有機(jī)結(jié)合的完整解決方案。

技術(shù)實(shí)現(xiàn)思路

1、技術(shù)問題：本發(fā)明的目的是提供一種基于人工智能大型語言模型的鑄件缺陷診斷與優(yōu)化系統(tǒng)，旨在通過結(jié)合物聯(lián)網(wǎng)傳感器、計(jì)算機(jī)視覺、全球數(shù)據(jù)集成及大型語言模型，實(shí)時(shí)監(jiān)控鑄造過程，診斷缺陷，預(yù)測潛在問題，并優(yōu)化工藝參數(shù)，以減少缺陷發(fā)生、提高生產(chǎn)效率及提升產(chǎn)品質(zhì)量。

2、技術(shù)方案：本發(fā)明提出了一種智能化的鑄件缺陷診斷與優(yōu)化系統(tǒng)，包括以下模塊：

3、實(shí)時(shí)數(shù)據(jù)獲取模塊：用于通過物聯(lián)網(wǎng)傳感器采集鑄造過程中關(guān)鍵的參數(shù)，如溫度、壓力、材料成分、冷卻速率等數(shù)據(jù)，并通過無線或有線網(wǎng)絡(luò)將這些數(shù)據(jù)傳輸至系統(tǒng)后臺(tái)，供進(jìn)一步分析和處理。

4、知識(shí)庫與全球數(shù)據(jù)集成模塊：通過訊飛星火、文心一言、通義千問、gpt-4等大型語言模型學(xué)習(xí)全球范圍內(nèi)的鑄造缺陷數(shù)據(jù)庫、文獻(xiàn)資料、生產(chǎn)案例等，構(gòu)建動(dòng)態(tài)更新的知識(shí)庫，生成智能診斷和工藝優(yōu)化策略。

5、視覺與文本分析模塊：通過計(jì)算機(jī)視覺技術(shù)，結(jié)合實(shí)時(shí)采集的鑄件缺陷圖像數(shù)據(jù)，自動(dòng)識(shí)別缺陷類型；同時(shí)，結(jié)合生產(chǎn)記錄、傳感器數(shù)據(jù)等文本信息，利用大型語言模型對(duì)數(shù)據(jù)進(jìn)行根因分析，提供相應(yīng)的解決方案。

6、預(yù)測性診斷與預(yù)防模塊：通過分析傳感器數(shù)據(jù)，利用大型語言模型預(yù)測生產(chǎn)過程中可能出現(xiàn)的缺陷，并通過建議調(diào)整生產(chǎn)參數(shù)來預(yù)防缺陷的發(fā)生。

7、生成式工藝優(yōu)化模塊：通過大型語言模型與鑄造仿真工具（如procast、anycasting）相結(jié)合，模擬不同的工藝條件，生成最優(yōu)的工藝調(diào)整方案，以減少缺陷的產(chǎn)生。

8、實(shí)時(shí)監(jiān)控與反饋模塊：實(shí)時(shí)監(jiān)控生產(chǎn)參數(shù)，并根據(jù)預(yù)測結(jié)果自動(dòng)調(diào)整生產(chǎn)工藝參數(shù)，以確保鑄造過程的穩(wěn)定性和產(chǎn)品質(zhì)量。

9、協(xié)作與知識(shí)共享模塊：通過與全球鑄造企業(yè)、研究機(jī)構(gòu)及專家進(jìn)行數(shù)據(jù)共享，不斷豐富系統(tǒng)的知識(shí)庫，并通過學(xué)習(xí)新數(shù)據(jù)動(dòng)態(tài)更新診斷規(guī)則和工藝優(yōu)化策略。

10、有益效果

11、本發(fā)明的鑄件缺陷診斷與優(yōu)化系統(tǒng)具有以下有益效果：

12、智能化學(xué)習(xí)與動(dòng)態(tài)更新：系統(tǒng)通過大型語言模型的動(dòng)態(tài)學(xué)習(xí)能力，實(shí)時(shí)集成和更新全球鑄件缺陷知識(shí)庫，確保診斷和優(yōu)化策略的前沿性。

13、實(shí)時(shí)預(yù)測與預(yù)防：系統(tǒng)能夠?qū)崟r(shí)監(jiān)測生產(chǎn)數(shù)據(jù)，預(yù)測潛在的鑄件缺陷，并自動(dòng)提供工藝調(diào)整建議，減少缺陷發(fā)生率。

14、工藝優(yōu)化與反饋：通過仿真工具和大型語言模型的結(jié)合，系統(tǒng)能夠生成最優(yōu)的工藝參數(shù)調(diào)整方案，提高生產(chǎn)效率和產(chǎn)品質(zhì)量。

15、協(xié)作與知識(shí)共享：通過全球數(shù)據(jù)共享平臺(tái)，系統(tǒng)能夠動(dòng)態(tài)獲取鑄造行業(yè)的新案例和數(shù)據(jù)，不斷優(yōu)化和提升系統(tǒng)性能。

技術(shù)特征：

1.一種基于人工智能大型語言模型的鑄件缺陷診斷與優(yōu)化系統(tǒng)，其特征在于，所述系統(tǒng)包括：實(shí)時(shí)數(shù)據(jù)獲取模塊，用于通過集成在鑄造設(shè)備上的物聯(lián)網(wǎng)傳感器采集生產(chǎn)過程中的關(guān)鍵參數(shù)，包括溫度、壓力、材料成分和冷卻速率，并將采集的數(shù)據(jù)傳輸至系統(tǒng)后臺(tái)；知識(shí)庫與全球數(shù)據(jù)集成模塊，用于通過大型語言模型學(xué)習(xí)全球鑄件缺陷數(shù)據(jù)、文獻(xiàn)資料和生產(chǎn)案例，構(gòu)建動(dòng)態(tài)更新的鑄件缺陷知識(shí)庫，生成診斷和優(yōu)化策略；視覺與文本分析模塊，用于結(jié)合計(jì)算機(jī)視覺技術(shù)對(duì)鑄件缺陷圖像進(jìn)行分析，并結(jié)合生產(chǎn)記錄、傳感器數(shù)據(jù)進(jìn)行文本分析，識(shí)別缺陷類型并進(jìn)行根因分析；預(yù)測性診斷與預(yù)防模塊，用于通過大型語言模型對(duì)實(shí)時(shí)生產(chǎn)數(shù)據(jù)的分析，預(yù)測可能的缺陷，并建議調(diào)整工藝參數(shù)進(jìn)行預(yù)防；生成式工藝優(yōu)化模塊，用于結(jié)合大型語言模型與鑄造仿真工具，生成最優(yōu)的工藝調(diào)整方案，減少缺陷的發(fā)生；實(shí)時(shí)監(jiān)控與反饋模塊，用于實(shí)時(shí)監(jiān)控生產(chǎn)參數(shù)，并根據(jù)預(yù)測和診斷結(jié)果自動(dòng)調(diào)整生產(chǎn)參數(shù)，確保生產(chǎn)過程的質(zhì)量和穩(wěn)定性；協(xié)作與知識(shí)共享模塊，用于通過全球鑄造行業(yè)和專家網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)共享，動(dòng)態(tài)更新鑄件缺陷診斷和優(yōu)化系統(tǒng)的知識(shí)庫和策略。

2.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述實(shí)時(shí)數(shù)據(jù)獲取模塊能夠采集溫度、壓力、材料成分等與鑄造過程相關(guān)的多個(gè)參數(shù)，并通過無線或有線網(wǎng)絡(luò)傳輸數(shù)據(jù)至系統(tǒng)中央處理單元。

3.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述知識(shí)庫與全球數(shù)據(jù)集成模塊通過大型語言模型學(xué)習(xí)全球鑄造企業(yè)的缺陷診斷案例、文獻(xiàn)資料和生產(chǎn)數(shù)據(jù)，并不斷優(yōu)化和更新系統(tǒng)的診斷規(guī)則，以確保知識(shí)庫始終保持最新的缺陷解決方案和工藝改進(jìn)建議。

4.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述視覺與文本分析模塊使用計(jì)算機(jī)視覺技術(shù)對(duì)鑄件圖像進(jìn)行實(shí)時(shí)分析，并結(jié)合生產(chǎn)記錄和傳感器數(shù)據(jù)，利用大型語言模型進(jìn)行根因分析和生成改進(jìn)建議。

5.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述預(yù)測性診斷與預(yù)防模塊通過分析傳感器收集的生產(chǎn)數(shù)據(jù)，使用大型語言模型預(yù)測鑄件生產(chǎn)過程中可能出現(xiàn)的缺陷，并建議操作員進(jìn)行工藝調(diào)整以減少缺陷發(fā)生的概率。

6.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述生成式工藝優(yōu)化模塊結(jié)合大型語言模型與鑄造仿真工具，對(duì)不同生產(chǎn)條件進(jìn)行模擬，生成最優(yōu)工藝參數(shù)，減少缺陷的產(chǎn)生，并提高生產(chǎn)效率。

7.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述實(shí)時(shí)監(jiān)控與反饋模塊通過傳感器實(shí)時(shí)監(jiān)控生產(chǎn)參數(shù)，并通過大型語言模型分析生產(chǎn)數(shù)據(jù)，自動(dòng)調(diào)整生產(chǎn)線上的參數(shù)，如溫度、冷卻速率和壓力，以確保鑄件生產(chǎn)過程的穩(wěn)定性和高質(zhì)量。

8.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述協(xié)作與知識(shí)共享模塊允許與全球范圍內(nèi)的鑄造企業(yè)、研究機(jī)構(gòu)和專家網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)和經(jīng)驗(yàn)的共享，系統(tǒng)通過學(xué)習(xí)新數(shù)據(jù)和全球案例，不斷提升其診斷和工藝優(yōu)化能力。

9.一種基于人工智能大型語言模型的鑄件缺陷診斷與優(yōu)化方法，其特征在于，包括以下步驟：通過物聯(lián)網(wǎng)傳感器采集鑄造生產(chǎn)中的實(shí)時(shí)數(shù)據(jù)；利用大型語言模型學(xué)習(xí)全球鑄造行業(yè)的缺陷數(shù)據(jù)、文獻(xiàn)及生產(chǎn)案例，更新知識(shí)庫；通過視覺與文本分析模塊對(duì)鑄件缺陷進(jìn)行分析，識(shí)別缺陷類型并分析其根因；通過大型語言模型分析實(shí)時(shí)數(shù)據(jù)，預(yù)測潛在的鑄件缺陷，發(fā)出預(yù)警并建議調(diào)整生產(chǎn)工藝；結(jié)合大型語言模型與仿真工具，生成最優(yōu)的工藝參數(shù)調(diào)整方案，以減少缺陷發(fā)生；實(shí)時(shí)監(jiān)控鑄造過程，并通過反饋機(jī)制自動(dòng)調(diào)整工藝參數(shù)，確保鑄件質(zhì)量。

10.根據(jù)權(quán)利要求9所述的方法，其特征在于，所述步驟中通過大型語言模型對(duì)全球鑄造行業(yè)的缺陷數(shù)據(jù)進(jìn)行學(xué)習(xí)，不斷優(yōu)化系統(tǒng)的診斷規(guī)則和工藝優(yōu)化策略，提升系統(tǒng)的適應(yīng)性與準(zhǔn)確性。

技術(shù)總結(jié)
本發(fā)明涉及一種基于人工智能大型語言模型的鑄件缺陷診斷與優(yōu)化系統(tǒng)。該系統(tǒng)結(jié)合物聯(lián)網(wǎng)傳感器、計(jì)算機(jī)視覺、實(shí)時(shí)數(shù)據(jù)分析、全球數(shù)據(jù)集成及人工智能中的大型語言模型（如訊飛星火、文心一言、通義千問、GPT?4），實(shí)現(xiàn)對(duì)鑄件生產(chǎn)過程中缺陷的實(shí)時(shí)監(jiān)測、診斷、預(yù)測及工藝優(yōu)化。系統(tǒng)包括多個(gè)模塊：實(shí)時(shí)數(shù)據(jù)獲取模塊負(fù)責(zé)采集生產(chǎn)參數(shù)；知識(shí)庫與全球數(shù)據(jù)集成模塊通過大型語言模型學(xué)習(xí)全球鑄造行業(yè)的缺陷數(shù)據(jù)及生產(chǎn)案例，構(gòu)建動(dòng)態(tài)更新的知識(shí)庫；視覺與文本分析模塊結(jié)合圖像和文本數(shù)據(jù)進(jìn)行缺陷識(shí)別與根因分析；預(yù)測性診斷與預(yù)防模塊通過實(shí)時(shí)分析生產(chǎn)數(shù)據(jù)，預(yù)測潛在缺陷并發(fā)出預(yù)警；生成式工藝優(yōu)化模塊結(jié)合仿真工具生成最優(yōu)工藝參數(shù)，減少缺陷發(fā)生；實(shí)時(shí)監(jiān)控與反饋模塊自動(dòng)調(diào)整生產(chǎn)參數(shù)，確保生產(chǎn)過程穩(wěn)定性與高質(zhì)量。通過協(xié)作與知識(shí)共享模塊，系統(tǒng)能夠與全球鑄造企業(yè)及專家共享數(shù)據(jù)，提升系統(tǒng)的自我學(xué)習(xí)能力。本發(fā)明大幅提升了鑄造生產(chǎn)的智能化水平，有效降低了缺陷發(fā)生率，提高了生產(chǎn)效率和產(chǎn)品質(zhì)量。

技術(shù)研發(fā)人員：呂柏林,高鵬,吳江華,李天祥,霍仕偉,劉志卓,韋自建,趙譚,梁鴻偉,張瑞杰
受保護(hù)的技術(shù)使用者：遼寧石油化工大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/17