基于大语言模型的倍捻机巡检机器人任务调度方法

本发明涉及一种基于大语言模型的倍捻机巡检机器人任务调度方法，融合了大语言模型的自然语言理解能力、传统调度算法与统计数据，实现了对倍捻机巡检数据的高速采集、预处理与降噪；利用分布式流处理平台，并在巡检机器人端引入边缘计算模块，通过数据压缩与网络协议优化有效缩短传输延迟；通过大语言模型对复杂任务和数据进行智能解析、动态分解与实时优化，并结合自适应调度算法、在线学习模型与数据时间窗聚合技术，确保实时数据的高效利用。基于机器人管理端接入大语言模型实现自然语言交互，系统不仅实现了人机协作，还根据对断纱统计数据的动态规划，显著降低了多机器人任务调度的复杂度，并增强了对动态环境和用户需求的响应能力。