arXiv cs.CL· Max Malyi, Jonathan Shek, Alasdair McDonald, Andre Biscaya·· 10 小时前AI 评分29
基于 LLM 的风电机组维护日志标注框架：语义提取可靠性信息实现数据校正与增强
Wind Turbine Maintenance Log Labelling Framework: LLM-Driven Data Correction and Enrichment via Semantic Extraction of Reliability Intelligence
AI 导读
一个拓扑感知的 LLM 工作流对 31 座陆上风电场、280 台机组、9.2 年间的 16,316 条维护记录完成校正与增强，接受的风机故障模式标签覆盖 11,661 条记录（71.5%）。
正文 · AI 翻译
摘要：不一致的代码和非结构化文本限制了风力发电机维护记录在可靠性分析中的使用。一个拓扑感知的大语言模型（LLM）工作流对来自 31 个陆上风电场、280 台风机、历时 9.2 年的 16,316 条记录进行了校正和丰富。维护叙述和设备上下文指导了系统代码校正和维护类型重新标注。系统和拓扑特定的批次产出了用于记录级标注的候选操作和故障模式分类体系。故障模式画像将标签与常见机制、可能症状和候选原因关联起来。模式约束、确定性规则和来源链接支持可审计的处理。拟议标签要求模型报告高置信度且无人工审核标记。被接受的系统代码更新覆盖了 2,984 条目标记录中的 2,178 条；被接受的故障模式标签覆盖了 11,661 条记录（71.5%）。丰富后的字段将变桨干预与更广泛的系统类别区分开来，并区分了电气和液压变桨维护模式。记录的任务时长总计 6.83 小时。基于来源的评估覆盖了通过均衡概率抽样选出的 800 条记录。更改后的系统代码和维护类型需要来源支持；保留的具体标签除非被反驳，否则予以批准。四个字段的等权平均批准率为 86.3%：系统代码 94.8%，维护类型 87.3%，操作 85.6%，故障模式结果 77.5%。故障模式评估覆盖了标题以及未解决、未匹配或不适用状态。定性审查发现了缺乏支持的操作和类别边界不清的问题。结构化记录为工程审查和未来运营关联提供了可追溯的证据，支持事件重建、基于暴露的可靠性分析以及故障模式与影响分析。
| 评论： | 一个包含 Python 脚本架构、应用的动态提示和数据模式的可调整模板托管在开源 GitHub 仓库中：此 https URL |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2605.31281 [cs.CL] |
| （或 arXiv:2605.31281v3 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2605.31281 arXiv 颁发的 DOI 通过 DataCite |
提交历史
来自：Max Malyi [查看电子邮件]
[v1]
2026 年 5 月 29 日星期五 13:13:03 UTC（5,728 KB）
[v2]
2026 年 8 月 18 日星期二 13:40:11 UTC（245 KB）
[v3]
2026 年 11 月 5 日星期四 21:28:57 UTC（334 KB）
来源：arXiv cs.CL · arxiv.org