以 iNeuOS_IOT 平台为数据底座采集设备振动传感器的时序数据。当用户以自然语言输入分析某设备最近运行状态后iNeuOS_AiInsight 智能问数平台与DeepSeek V4 Pro大模型协同自动路由至预测性维护技能包 ineuos-pdm主要应用流程1设备关键词匹配、自动发现全部振动通道并查询最近历史数据2对通道历史数据计算时域特征、FFT 频谱分析、TOP5 频率提取、3σ 异常检测输出 0-100 分健康指数3加载时序模型以原始数据为基础进行多通道未来趋势预测数据4对历史数据和预测数据分析结果进行综合评估预警等级、四维风险趋势评分、波动性评分、阈值接近度评分和不确定性评分与剩余使用寿命5历史分析与预测评估逐通道对比结合DeepSeek V4 Pro 大模型生成可视化诊断报告输出设备健康评估、退化趋势预测和分级维护建议。核心特点1自然语言交互无需 SQL 或专业工具2振动通道独立分析和综合评估支持 1~16 通道并发3时域频域双维度分析 自适应基线健康评估 时序模型预测四层递进4全链路错误处理及恢复机制快速完成端到端响应。创新点1首次将 IoT 数据管道、时序基础模型与问数框架及LLM 智能体三者深度编排为技能包架构各层职责严格解耦2大模型从根本上杜绝幻觉查询与上下文污染。应用领域工业给料电机与轧机、石化泵组与压缩机、电力发电机与风电机组、机加制造 CNC 主轴与传送系统、矿山破碎机与通风机等各类旋转机械设备的振动监测与预测性维护。二、设备预测性维护智能体目录结构说明 SKILL.md是技能入口database-schema.md是数据库结构说明report_template.html是报告模板analysis-prediction.py为振动数据分析和时序模型预测的脚本SKILL.md中可以引用database-schema.md、analysis-prediction.py和report_template.html。升级版本可以增加转速、温度、电流、电压等数据。- ineuos-pdm- references- database-schema.md- scripts- analysis-prediction.py- templates- report_template.html- assets- SKILL.md如下图三、设备预测性维护智能体应用4.1提示词示例1分析酒钢1#高炉给料电机最近的工作状态。示例2分析酒钢1#高炉给料电机最近1小时的振动数据。示例3预测酒钢1#高炉给料电机最近的工作状态。示例4预测酒钢1#高炉给料电机最近的运行状态。4.2问数过程选择技能和大模型时序模型在py脚本文件中加载。用户输入提示后开始执行振动分析过程4.3问数结果分析过程比较快如果中间有错误出现问数框架协同大模型会进行修正。如下图4.4问数报告单设备最终生成report.html报告下载到本地。如下图