科研動(dòng)態(tài)
基于大語(yǔ)言模型的智能體在天然氣閥室泄漏檢測(cè)中的應(yīng)用探索
中文題目：基于大語(yǔ)言模型的智能體在天然氣閥室泄漏檢測(cè)中的應(yīng)用探索
論文題目：Exploring the Application of Large Language Models Based AI Agents in Leakage Detection of Natural Gas Valve Chambers
錄用期刊：Energies (中科院大類(lèi) 4區(qū))
原文DOI：https://doi.org/10.3390/en17225633
原文鏈接：https://www.mdpi.com/1996-1073/17/22/5633
錄用/見(jiàn)刊時(shí)間：2024.11.7/2024.11.11
作者列表：
1） 衛(wèi) 乾 中國(guó)石油大學(xué)（北京）人工智能學(xué)院/能源動(dòng)力專(zhuān)業(yè) 博 22
2） 孫紅軍 中國(guó)石油大學(xué)（北京）人工智能學(xué)院/智能科學(xué)與技術(shù)系 教師
3） 徐 寅 昆侖數(shù)智科技有限責(zé)任公司 北京
4） 龐資勝 昆侖數(shù)智科技有限責(zé)任公司 北京
5） 高飛翔 昆侖數(shù)智科技有限責(zé)任公司 北京
摘要:
本文探討了一種基于大語(yǔ)言模型的人工智能體在油氣行業(yè)的應(yīng)用場(chǎng)景，創(chuàng)新性的運(yùn)用AI聽(tīng)診和紅外測(cè)溫綜合診斷技術(shù)，構(gòu)建油氣泄漏檢測(cè)算法模型；利用檢索增強(qiáng)生成（RAG）技術(shù)實(shí)現(xiàn)基于泄漏檢測(cè)行業(yè)模型的識(shí)別預(yù)測(cè)和檢索推理流程的自動(dòng)處理以及相應(yīng)的泄漏處置方案生成。
背景與動(dòng)機(jī):
由于油氣生產(chǎn)和運(yùn)輸過(guò)程中設(shè)備數(shù)量多、工藝復(fù)雜，泄漏問(wèn)題時(shí)有發(fā)生，傳統(tǒng)的檢測(cè)方法高度依賴(lài)人力，工作量大，容易漏報(bào)和誤報(bào)，嚴(yán)重影響油氣生產(chǎn)運(yùn)輸效率和安全。
設(shè)計(jì)與實(shí)現(xiàn):
1、總體架構(gòu)設(shè)計(jì)
系統(tǒng)接收閥室環(huán)境采集的音頻和紅外熱成像圖片數(shù)據(jù)，利用通用大模型調(diào)度天然氣閥室泄漏行業(yè)模型和基于增強(qiáng)檢索生成（RAG）技術(shù)的知識(shí)問(wèn)答工具，自動(dòng)完成泄漏檢測(cè)流程，根據(jù)識(shí)別結(jié)果智能生成相應(yīng)的泄漏處置方案。如圖1所示：
圖1 天然氣閥室泄漏智能體總體架構(gòu)設(shè)計(jì)
2、基于AI聽(tīng)診的泄漏檢測(cè)模型設(shè)計(jì)
采用Panns_cnn14作為backbone，用于提取聲音的深層特征，SoundClassifer創(chuàng)建下游的分類(lèi)網(wǎng)絡(luò)，實(shí)現(xiàn)對(duì)輸入音頻的泄漏診斷建模。如圖2所示：
圖2 基于深度學(xué)習(xí)算法的音頻分類(lèi)處理流程
3、基于紅外測(cè)溫的泄漏檢測(cè)模型設(shè)計(jì)
應(yīng)用DWT(Dynamic Time Warping)算法，對(duì)待測(cè)溫度段泄漏檢測(cè)時(shí)，將這段溫度變化時(shí)間序列與樣本庫(kù)相同工況環(huán)境下溫度變化樣本計(jì)算相似度均值，并與閾值進(jìn)行對(duì)比，判斷是否發(fā)生泄漏。如圖3所示：
圖3 DWT算法原理(計(jì)算R序列與T序列相似度)示意圖
4、天然氣閥室泄漏檢測(cè)硬件系統(tǒng)架構(gòu)
在閥室容易泄漏區(qū)域安裝5臺(tái)拾音器和2臺(tái)紅外熱成像攝像機(jī)，拾音器對(duì)現(xiàn)場(chǎng)環(huán)境聲音實(shí)時(shí)采集，紅外熱成像對(duì)特定區(qū)域溫度進(jìn)行實(shí)時(shí)追蹤。如圖4所示：
圖4 天然氣閥室音頻和紅外測(cè)溫采集系統(tǒng)圖
5、基于RAG的天然氣閥室泄漏知識(shí)問(wèn)答系統(tǒng)設(shè)計(jì)
大模型歸納生成器是系統(tǒng)的最后一個(gè)環(huán)節(jié)，負(fù)責(zé)結(jié)合綜合查詢(xún)問(wèn)題，借助RAG技術(shù)生成答案。
實(shí)驗(yàn)結(jié)果及分析:
圍繞天然氣閥室泄漏檢測(cè)智能體應(yīng)用場(chǎng)景，通過(guò)智能體調(diào)用小模型來(lái)開(kāi)展多種泄漏檢測(cè)測(cè)試，對(duì)不同程度泄漏診斷準(zhǔn)確率達(dá)到90%以上，詳見(jiàn)表1：
表1 智能體調(diào)用小模型不同程度泄漏診斷結(jié)果
其中，輸入一個(gè)包含音頻和圖像的壓縮文件，智能體調(diào)用音頻和紅外測(cè)溫綜合模型診斷是否發(fā)生泄漏、泄漏等級(jí)，同時(shí)給出相應(yīng)的解決方案和任務(wù)派送。如圖5所示：
圖5 閥室泄漏檢測(cè)智能體診斷結(jié)果
結(jié)論:
本文提出一種基于大語(yǔ)言模型的智能體在天然氣閥室泄漏檢測(cè)中的應(yīng)用探索，并以天然氣閥室工業(yè)放空數(shù)據(jù)集開(kāi)展了應(yīng)用驗(yàn)證。主要結(jié)論包括：
(1)大模型具有良好的通用智能能力，可以將不同場(chǎng)景基于業(yè)務(wù)規(guī)則靈活適配和調(diào)整，賦予使用者更大的權(quán)限，以應(yīng)對(duì)不同的場(chǎng)景需要；
(2)針對(duì)油氣生產(chǎn)領(lǐng)域細(xì)分場(chǎng)景，構(gòu)建了基于A(yíng)I聽(tīng)診和紅外測(cè)溫結(jié)合的泄漏檢測(cè)行業(yè)小模型和基于RAG的天然氣閥室泄漏知識(shí)問(wèn)答工具；
(3)初步實(shí)現(xiàn)了大模型對(duì)音頻、紅外成像及文本數(shù)據(jù)的感知，對(duì)泄漏檢測(cè)行業(yè)模型和知識(shí)問(wèn)答工具的智能調(diào)度，基于流程自動(dòng)處理和泄漏處置方案的智能生成，取得了較好的效果，驗(yàn)證了該方法的有效性。
作者簡(jiǎn)介:
孫紅軍,1994年和1997年在中國(guó)石油大學(xué)（北京）陸續(xù)獲得石油地質(zhì)與勘探專(zhuān)業(yè)的碩士和博士學(xué)位。目前作為中國(guó)石油大學(xué)（北京）人工智能學(xué)院的研究員和博士生導(dǎo)師。他在石油信息技術(shù)領(lǐng)域擁有超過(guò)30年的工作經(jīng)驗(yàn)，主要研究領(lǐng)域包括：企業(yè)架構(gòu)、能源工業(yè)互聯(lián)網(wǎng)、智能油氣田。