机械工程学报 ›› 2026, Vol. 62 ›› Issue (18): 241-255.doi: 10.3901/JME.260762
• 特邀专栏:大模型驱动的高端装备智能运维 • 上一篇
王硕1, 王青华1, 韩京轩1, 雷亚国1, 武通海1, 李炎军2
WANG Shuo1, WANG Qinghua1, HAN Jingxuan1, LEI Yaguo1, WU Tonghai1, LI Yanjun2
摘要: 磨损表面形貌作为轴承早期磨损失效的直接表征,以复杂形态特征承载磨损机理信息,是航空发动机轴承运维决策的关键支撑。然而,航空发动机轴承的维护决策涵盖多属性知识及其复杂关联,且磨损表面描述涉及多源磨损机理,制约了航空发动机轴承智能维护决策的准确度和可解释性。针对这一问题,聚焦磨损分析知识结构化表征与分级知识检索,提出了知识图谱与大语言模型联合的航空发动机轴承智能维护决策方法。首先,联合知识本体定义与领域知识抽取,建立涵盖“诱因-机理-程度-维修/预防”的航空发动机轴承磨损分析知识图谱,解决了复杂领域知识的结构化表征难题;其次,针对多属性磨损描述,建立多属性实体综合约束的分级知识子图检索与精炼策略,提高知识检索结果与查询问题的整体一致性,实现知识图谱增强大语言模型的智能维护决策;最后,借助不同磨损机理及磨损程度的轴承表面样本开展有效性验证,测试结果表明:提出方法将维护决策准确率从对照模型的44.67%~70.67%提升至95.46%。所提出方法应用于评估两型真实航空发动机的12型56件航空发动机轴承套圈磨损表面,涵盖划痕、剥落、点蚀等磨损机理,维护决策精度达到95.33%。
中图分类号: