中文题目：基于大语言模型的智能体在天然气阀室泄漏检测中的应用探索

论文题目：Exploring the Application of Large Language Models Based AI Agents in Leakage Detection of Natural Gas Valve Chambers

录用期刊：Energies (中科院大类 4区)

原文DOI：https://doi.org/10.3390/en17225633

原文链接：https://www.mdpi.com/1996-1073/17/22/5633

录用/见刊时间：2024.11.7/2024.11.11

作者列表：

1） 卫   乾 中国石油大学（北京）人工智能学院/能源动力专业 博 22

2） 孙红军 中国石油大学（北京）人工智能学院/智能科学与技术系 教师

3） 徐   寅 昆仑数智科技有限责任公司 北京

4） 庞资胜 昆仑数智科技有限责任公司 北京

5） 高飞翔 昆仑数智科技有限责任公司 北京

 

摘要:

本文探讨了一种基于大语言模型的人工智能体在油气行业的应用场景，创新性的运用AI听诊和红外测温综合诊断技术，构建油气泄漏检测算法模型；利用检索增强生成（RAG）技术实现基于泄漏检测行业模型的识别预测和检索推理流程的自动处理以及相应的泄漏处置方案生成。

背景与动机:

由于油气生产和运输过程中设备数量多、工艺复杂，泄漏问题时有发生，传统的检测方法高度依赖人力，工作量大，容易漏报和误报，严重影响油气生产运输效率和安全。

设计与实现:

1、总体架构设计

系统接收阀室环境采集的音频和红外热成像图片数据，利用通用大模型调度天然气阀室泄漏行业模型和基于增强检索生成（RAG）技术的知识问答工具，自动完成泄漏检测流程，根据识别结果智能生成相应的泄漏处置方案。如图1所示：

 

图1 天然气阀室泄漏智能体总体架构设计

2、基于AI听诊的泄漏检测模型设计

采用Panns_cnn14作为backbone，用于提取声音的深层特征，SoundClassifer创建下游的分类网络，实现对输入音频的泄漏诊断建模。如图2所示：

图2 基于深度学习算法的音频分类处理流程

3、基于红外测温的泄漏检测模型设计

应用DWT(Dynamic Time Warping)算法，对待测温度段泄漏检测时，将这段温度变化时间序列与样本库相同工况环境下温度变化样本计算相似度均值，并与阈值进行对比，判断是否发生泄漏。如图3所示：

 

图3 DWT算法原理(计算R序列与T序列相似度)示意图

4、天然气阀室泄漏检测硬件系统架构

在阀室容易泄漏区域安装5台拾音器和2台红外热成像摄像机，拾音器对现场环境声音实时采集，红外热成像对特定区域温度进行实时追踪。如图4所示：

 

图4 天然气阀室音频和红外测温采集系统图

5、基于RAG的天然气阀室泄漏知识问答系统设计

大模型归纳生成器是系统的最后一个环节，负责结合综合查询问题，借助RAG技术生成答案。

实验结果及分析:

围绕天然气阀室泄漏检测智能体应用场景，通过智能体调用小模型来开展多种泄漏检测测试，对不同程度泄漏诊断准确率达到90%以上，详见表1：

表1 智能体调用小模型不同程度泄漏诊断结果

 

其中，输入一个包含音频和图像的压缩文件，智能体调用音频和红外测温综合模型诊断是否发生泄漏、泄漏等级，同时给出相应的解决方案和任务派送。如图5所示：

 

图5 阀室泄漏检测智能体诊断结果

结论:

本文提出一种基于大语言模型的智能体在天然气阀室泄漏检测中的应用探索，并以天然气阀室工业放空数据集开展了应用验证。主要结论包括：

(1)大模型具有良好的通用智能能力，可以将不同场景基于业务规则灵活适配和调整，赋予使用者更大的权限，以应对不同的场景需要；

(2)针对油气生产领域细分场景，构建了基于AI听诊和红外测温结合的泄漏检测行业小模型和基于RAG的天然气阀室泄漏知识问答工具；

(3)初步实现了大模型对音频、红外成像及文本数据的感知，对泄漏检测行业模型和知识问答工具的智能调度，基于流程自动处理和泄漏处置方案的智能生成，取得了较好的效果，验证了该方法的有效性。

作者简介:

孙红军,1994年和1997年在中国石油大学（北京）陆续获得石油地质与勘探专业的硕士和博士学位。目前作为中国石油大学（北京）人工智能学院的研究员和博士生导师。他在石油信息技术领域拥有超过30年的工作经验，主要研究领域包括：企业架构、能源工业互联网、智能油气田。