机械工程学报 ›› 2026, Vol. 62 ›› Issue (18): 67-83.doi: 10.3901/JME.260818
• 特邀专栏:大模型驱动的高端装备智能运维 • 上一篇
陶来发1,2, 黄启轩1,2, 吴云龙2, 刘海菲2, 季皓1, 裘佳楠1, 曹文燕1,2, 连芷萱2, 吕琛1,2
TAO Laifa1,2, HUANG Qixuan1,2, WU Yunlong2, LIU Haifei2, JI Hao1, QIU Jianan1, CAO Wenyan1,2, LIAN Zhixuan2, LÜ Chen1,2
摘要: 针对无人车辆群组执行任务时健康状态差异显著、维修资源受限及保障决策协同性不足等问题,提出一种面向装备群组保障的大语言模型多智能体协同决策方法(Large language model-based condition-based maintenance multi-agent system,LLM-CBM-MAS)。该方法构建状态解析、策略生成和策略评估三类智能体,利用大语言模型(large language model,LLM)完成任务解析、车辆状态表征及维修与备件订购策略生成,并通过外部量化评价模型计算车辆状态转移、备件库存、策略费用、任务可用度和约束违反情况。基于结构化反馈,引导策略生成智能体迭代修正候选方案并选择最优可行策略。多阶段案例表明,该方法能够根据车辆剩余寿命和任务要求动态安排维修与备件订购,兼顾阶段费用、任务车辆保障及资源协调。在受控压力测试中,试验均可以在6轮内获得满足硬约束的候选策略,首次获得可行策略的平均轮次为2.35±0.59。结果验证了该方法在无人车辆群组视情维修与装备群组保障协同决策中的有效性。
中图分类号: