一种基于可解释人工智能与大模型的故障诊断与建议方法

本发明涉及一种基于可解释人工智能与大模型的故障诊断与建议方法，包括：采集待故障诊断的设备在运行过程中的时间序列数据；将时间序列数据输入预先构建并完成训练的智能故障预测模型，预测设备在设定时间间隔后发生故障的概率值；基于反事实解释生成模块，生成预测设定时间间隔后不会发生故障的反事实样本，并定位实际输入的时间序列数据与反事实样本在参数特征上的差异性；将差异性，进行可视化显示，并利用大语言模型，对可视化显示的差异特征图形进行自然语言归纳，得到故障的原因的自然语言文本；根据设备在设定时间间隔后发生故障的原因的自然语言文本，和预先构建的知识库，进行检索，输出与原因相对应的检修建议的自然语言文本。