北京航空航天大学陶来发教授大模型故障诊断研究新进展：案例驱动故障诊断的大模型幻觉进阶抑制：通往工程诊断/落地的路径 | CJME论文推荐

引用论文

作者：刘海菲，陶来发，季晧，裘佳楠，曹文燕，苏铉元，吕琛，连芷萱

单位：北京航空航天大学杭州国新院、北京航空航天大学

Haifei Liu, Laifa Tao, Hao Ji, Jianan Qiu, Wenyan Cao, Xuanyuan Su, Chen Lu, Zhixuan Lian, Case-Driven Fault Diagnosis with Advanced Hallucination Mitigation in Large Language Models: A Way Towards Practical Applications, Chinese Journal of Mechanical Engineering, 100331, https://doi.org/10.1016/j.cjme.2026.100331.

(戳链接，下载全文)

关于文章

01

研究背景及目的

当代工业系统在规模和互联性上不断扩展。运行环境的高风险与任务流程的复杂性使得故障预测与健康管理（PHM）面临前所未有的挑战。在此背景下，局部故障一旦扩散，易引发级联失效并导致重大安全与经济损失。因此，亟需能够在多源信息中有效识别失效模式并定位根因的诊断技术。

案例驱动诊断作为重要途径，通过对历史案例的类比与推理，为复杂系统提供可解释的诊断路径与判据支撑，已成为保障工业系统安全运行的关键方法。然而，传统依赖静态规则库或单一模型的案例诊断方法，难以适应任务层级深、知识结构复杂且工况动态变化的实际场景，常导致溯因链条中断、逻辑冲突及方案不可执行等问题。尤为关键的是，随着大模型（LLM）范式被引入工业PHM领域，为多源知识融合与复杂推理提供了新路径，但其固有的“幻觉”问题，包括逻辑矛盾、虚构实体、无根据的因果断言以及在弱信号下产生误导性关联，成为阻碍诊断结果可信与工程落地的核心障碍。现有主流技术路径在面向多源异构图谱进行诊断方案生成时，普遍存在系统性幻觉，主要原因在于缺乏对任务层级与跨层依赖的显式感知、无法建模与调解高阶结构约束，以及在弱信号或噪声环境下缺乏稳定的推理机制。这使得生成的诊断方案常常出现语义相关但结构错误或逻辑跳跃且不可执行的情况，严重削弱了PHM系统的可靠性与实用性。

02

亮点或创新点

(1) 提出SC-MDG整体框架，实现从语义生成到结构感知+案例驱动的诊断范式转变，系统抑制多源幻觉。

(2) 构建多尺度嵌套超图（MSSE），统一异构诊断图谱层次结构，通过跨层对齐与动态权重分配，显著抑制案例驱动中的路径断裂幻觉。

(3) 设计高阶约束可微优化机制（SCOC），显式建模顺序、互斥与合规性约束，实现冲突路径自适应调和，彻底消除逻辑冲突与不合规路径幻觉。

(4) 开发超图脉冲感知器（HSP），融合脉冲门控与贝叶斯不确定性传播，增强弱信号鲁棒性，从根本上抑制传感器驱动中的误激活与推理崩溃幻觉。

(5) 实现从静态结构表示到动态脉冲调控的转变，提升诊断路径在噪声环境下的实时修正与抗干扰能力。

(6) 理论性地提出结构一致性损失与贝叶斯正则项，通过可微优化确保路径语义与逻辑双闭环，增强方案可执行性。

03

试验方法

为系统验证所提SC-MDG框架的有效性，本研究围绕电网变压器故障诊断，基于包含16,472份高质量专利的PHM知识库，选取了309份变压器故障案例，将其转化为结构化的故障树分析图，并进而构建了五大典型诊断场景的超图数据集；设计了三维度评估指标，以量化模型在幻觉抑制和诊断性能上的表现；为剖析SC-MDG各组件贡献，进行了6个层级、共16组消融实验，证明了方法的优越性。

04

结论

本研究提出的SC-MDG框架，通过统一异构知识结构、优化逻辑约束与增强信号鲁棒性，系统抑制了多源幻觉，为工业智能诊断提供了可信赖的新范式。该框架在旋转机械早期故障检测中具有应用价值，并在其他工业泛化场景中展现出进一步推广的潜力。未来工作将聚焦于跨领域知识迁移与轻量化实时推理，以推动其在更复杂工业环境中的落地。

关于作者

01

作者介绍

陶来发，博士生导师，国家级青年人才，长期从事装备PHM技术研究，以及AI大模型与PHM技术的融合研究，主持国家级重大项目、重点项目、共性技术预研、国家自然科学基金（面上/青年）等科研项目30余项。荣获国家科技进步二等奖、教育部科技进步一等奖、航空学会科技进步一等奖、省部级科技进步一等奖等科技奖项。

刘海菲，北京航空航天大学2023级博士生，研究方向为故障诊断大模型、装备智能运维等，以一作/学生一作发表SCI论文4篇，入选中国科协青年科技人才培育工程博士生专项计划。

02

团队研究方向

北航国家级PHM团队深耕装备健康管理、智能运维领域18年，荣获一系列国家级、省部级科技奖项，于2023年初开始从事大模型与健康管理的融合研究。国际上，率先提出了装备智能运维（PHM）大模型概念与进阶研究范式，形成了一系列具有原创性与引领性的国际前沿交叉论文研究成果和授权国家发明专利。

团队成果“PHM大模型多Agent协同集成平台（PACE）”是AI大模型时代下装备健康管理能力生成的核心产品，在“2026第五届工业设备智能运维大会”首次公开。其涵盖了健康管理从需求交互理解、知识整合、数据解析、方案生成、代码生成、流程优化等关键环节的6大类，共48个Agent，初步形成了PHM大模型多Agent智能协同全流程集群生态，为AI大模型赋能健康管理功能的工程落地提供专业Agent集群支持。目前，基于PACE，团队已完成自研“装备故障诊断大模型（FaultsMind，FM）”、“健康管理知识工程（LATTICE‑PHM）”、“维护维修决策大模型（MARS-LM）”等产品的能力升级，初步实现从AI赋能的定制化独立功能研发向多智能体自主协同能力快速生成的转变。

其中，里程碑成果“装备故障诊断大模型（FaultsMind，FM）”是国际上首例装备故障诊断大模型，作为一站式工业智能运维解决方案，实现了大模型驱动的跨场景泛化诊断能力自主生成与自适应部署，构建了涵盖诊断需求建模、智能方案生成、工程代码自动生成、集成验证与应用部署的全流程闭环体系，具备工况条件泛化、数据条件泛化、诊断对象泛化及任务类型泛化等核心能力。面向特定装备系统/产品故障诊断需求，FaultsMind摆脱了对装备故障诊断专家的强依赖关系，具有跨对象/跨场景的快速生成能力，极大程度上压缩了传统故障诊断系统的研发周期和研发成本，为故障诊断业务在工业制造、装备运维领域的大量应用提供重要手段。FaultsMind已入选国家级垂直领域大模型深度应用案例、全球数字经济联盟（D50）峰会（澳门）发布的《100个数智应用领先成果》，在2025年10月31日“东盟+中日韩（10+3）人工智能产业发展论坛”面向全球正式发布。

（以下为PACE相关图片）

03

近两年团队发表文章

（1）健康管理大模型综述：https://doi.org/10.1016/j.ymssp.2025.112683, MSSP

（2）故障诊断大模型（ESI高被引和热点论文）：https://doi.org/10.1016/j.ymssp.2024.112127, MSSP

（3）故障预测大模型：https://doi.org/10.1016/j.ymssp.2025.113236, MSSP

（4）维护维修决策大模型：https://arxiv.org/abs/2411.04476

（5）数据知识平台：健康管理知识工程（LATTICE‑PHM, LM Assisted Taxonomic Transformation & Integrated Contextual Embedding for PHM）

（6）软件：装备故障诊断大模型（FM, FaultsMind）

（7）软件：维护维修决策大模型（MARS-LM, Maintenance Analysis & Reasoning System - LM）

（8）软件：PHM大模型多Agent协同集成平台（PACE, PHM-Agent Collaborative Environment）.

责任编辑：杜蔚杰

责任校对：向映姣

审 核：张 彤

JME学院简介

JME学院是由《机械工程学报》编辑部2018年创建，以关注、陪伴青年学者成长为宗旨，努力探索学术传播服务新模式。

欢迎各位老师扫码添加小助理-暖暖为好友，由小助理拉入JME学院官方群！

欢迎关注JME学院视频号~

寻觅合作伙伴

有一种合作叫做真诚，有一种发展可以无限，有一种伙伴可以互利共赢，愿我们合作起来流连忘返，发展起来前景可观。关于论文推荐、团队介绍、图书出版、学术直播、招聘信息、会议推广等，请与我们联系。

感谢关注我们！《机械工程学报》编辑部将努力为您打造一个有态度、有深度、有温度的学术媒体！

版权声明：

本文为《机械工程学报》编辑部原创内容，欢迎转载！

在公众号后台留言需要转载的文章题目及要转载的公众号ID以获取授权!

联系人：暖暖

电话：010-88379909

E-mail：jme@cmes.org

网 址：http://www.cjmenet.com.cn

官方微信号：jmewechat