摘要
本发明公开了一种基于大语言模型的注塑工艺故障诊断模型训练方法、系统以及故障诊断方法。所述模型训练方法包括以下步骤:对注塑机故障工况下的工艺参数进行采集与清洗后,转换为自然语言文本,并与故障标签组合构建文本化数据集,按比例划分为训练集与验证集。结合文本数据维度与故障类别数量,加载预训练大语言模型并通过量化方式配置诊断模型结构。将训练集输入模型提取语义特征,经特征转换模块处理后生成高阶特征向量,输入分类头输出故障类别概率。利用损失函数进行反向传播,结合低秩适配与分层冻结策略高效微调模型参数。重复训练直至性能达标,输出最终诊断模型。该方法训练高效,能有效降低模型维护与使用成本。
技术关键词
大语言模型
注塑工艺
语义特征
故障诊断方法
参数
故障类别
故障诊断模型
工况
注塑机
自然语言转换
迁移学习方法
自然语言文本
数据处理方式
标签
分层
模型训练方法
策略
系统为您推荐了相关专利信息
电机解耦控制
扩张状态观测器
谐波抑制能力
电压矢量空间变换
矩阵
汽车动力系统
参数匹配方法
APU系统
缸内直喷汽油发动机
粒子群算法
轨迹预测模型
仿真方法
车辆状态信息
编码器
城市道路网络
燃料电池压缩机
设计优化方法
变量
压缩机叶轮
NURBS曲面