Page 97 - 《振动工程学报》2025年第11期
P. 97

第 11 期                李 奇，等：面向机械振动信号的自主信号处理大语言模型智能体                                        2555

              （推断）。决策理由： 工作流已提取了时域、频域及                          由：该流程展示了一种复杂且全面的轴承故障诊断
              希尔伯特包络特征，但尚未达到最低深度                   4。建议添        架构方法。它正确地对双通道实现了并行、对称的
              加小波变换或短时傅里叶变换（STFT）等更多时频分                         处理，整合了关键技术，如时域统计、直接频谱分析
              析技术，以捕捉轴承信号的非平稳特性，这些方法能                           （FFT→ 谱峭度 Spectral Kurtosis），以及最重要的、用
              揭示在    FFT  中不明显的瞬态故障。                            于识别轴承故障的包络分析（希尔伯特变换 Hilbert→
                  （4）反思迭代     4                                 FFT→ 统计量 Stats）。跨通道相干性（coherence） 和
                  当前  DAG  深度：3。智能体决策：需要重新规划                    短时傅里叶变换（STFT） 的加入进一步丰富了特征
              （推断）。决策理由：工作流起点良好，包含了双通道                          集。该流程逻辑合理、多样性高，并已满足最小深
              的时域和频域特征。建议添加小波变换以捕捉瞬态                            度要求。对于初始的分类模型而言，当前的特征集
              事件和时频域特征。更进一步的探索可涉及非线性                            是全面的。

              动力学特征（如李雅普诺夫指数），但这取决于信号                           A1.3    案例三中审查者的反思迭代过程
              特性和计算资源。同时，在特征提取后可能需要进                                （1）反思迭代     1
              行特征选择或降维（如          PCA）。                             当前   DAG  深度：2。智能体决策：需要重新规划
                  （5）反思迭代     5                                 （need_replan） 。 决 策 理 由 ：  当 前 的  DAG  是 有 效 的 ，
                  当前  DAG  深度：4。智能体决策：完成。决策理                    并且通过探索时域统计、包络分析和小波变换，展
              由： 工作流进展顺利，在时域和频域上均具有合理                           现了良好的算子多样性。然而，当前深度为                      2  未满
              的特征多样性。下一步的建议：可以考虑添加基于                            足最低深度为       4  的要求。更重要的是，工作流已经
              小波变换的特征来增强故障诊断能力，或者将重点                            生 成 了 强 大 的 中 间 信 号 表 示（ 如      Hilbert_envelope，
              转移到融合现有特征并构建分类模型上。                                wavelet_transform），但尚未从中提取特征。为了更好

              A1.2    案例二中审查者的反思迭代过程                            地实现变转速故障诊断的目标，下一步应专注于处
                  （1）反思迭代     1                                 理这些中间信号。例如，对包络信号应用                    FFT  以识
                  当前   DAG  深 度 ： 2。 智 能 体 决 策 ： 需 要 重 新 规      别轴承故障频率，或从“小波系数矩阵”中计算统计
              划。决策理由： 当前的          DAG（有向无环图）提供了一               特征（如能量或熵）。
              个坚实的基础，整合了关键的时域统计特征（如峰度                               （2）反思迭代     2
              kurtosis、波峰因子 crest_factor）和必要的变换（如快                  当前   DAG  深度：3。智能体决策：需要重新规划
              速傅里叶变换 FFT、希尔伯特包络 Hilbert envelope），              （need_replan）。决策理由： 该流程是健康的，但当前
              并具有良好的通道对称性。然而，当前流程的深度                            深度为    3，尚未达到最低深度为         4  的要求。目前的     DAG
              仅为   2，未达到最低要求        4。从架构上看，该流程尚                架构非常出色，特别是通过 Hilbert_envelope→ FFT 生
              未利用中间信号的变换结果。为了实现有效的轴承                            成了包络谱。为了进一步增强该工作流，建议直接
              故障诊断，下一个合理的步骤是对包络信号进行频                            从 这 些 新 生 成 的 包 络 谱（ 例 如 ,  FFT_01_Hilbert_
              谱分析。因此，强烈建议对              Hilbert_envelope 节点应    envelope_01_ch1  和  FFT_02_Hilbert_envelope_02_ch2 ）
              用 FFT 变 换 （ 例 如 ， FFT(Hilbert_envelope_01_ch1)） 。  中提取特征，以量化轴承故障特有的周期性冲击。
              这将生成包络谱，这是一个识别特征故障频率、显                                （3）反思迭代     3
              著推进目标达成的关键工具。                                         当前   DAG  深度： 4。智能体决策：完成 （finish）。
                  （2）反思迭代     2                                 决策理由： 该工作流在架构上是健全的，有效运用
                  当前   DAG  深 度 ： 4。 智 能 体 决 策 ： 需 要 重 新 规      了对轴承故障诊断至关重要的包络谱分析和小波变
              划。决策理由：该流程在架构上非常出色，整合了故                           换。其在时域、频域和时/频域的特征多样性非常出
              障诊断的关键技术，如时域统计、FFT 和包络分析。                         色， 且 处 理 链 逻 辑 合 理 。 DAG    已 满 足 最 小 深 度 要
              对双通道的对称处理以及引入跨通道相干性是最佳                            求，可被视为完整。为了未来增强，若要明确处理
              实践。然而，为了最大化发现故障特征，还有一个                            “变转速”工况，可考虑引入阶次分析。这将涉及通
              关键领域尚未探索。强烈建议现在引入基于小波                             过轴转速对包络谱进行归一化，以提取特定阶次（如
              的分析。对输入信号（ch1, ch2）应用连续小波变换                       BPFO、BPFI）的故障特征，使其对速度变化不敏感。

              （CWT） 将提供一个互补的时频表示方法，这种方法
                                                                A2    输出的分析报告
              对于检测早期轴承故障特有的非平稳瞬态信号非常
              有效。                                                   本框架的最终输出是由报告智能体生成的、结
                  （3）反思迭代     3                                 构化的综合分析报告。该报告不仅呈现最终的诊断
                  当前  DAG  深度：4。智能体决策：完成。决策理                    结论，更旨在实现整个决策过程的全程可追溯与可
   92   93   94   95   96   97   98   99   100   101   102