大语言模型增强知识图谱链式推理的转炉废钢精细配比推荐方法

来源：计算机集成制造系统杂志2025年第12期北京时间：

作者：陈宇轩, 杨文军, 代碧波, 鄢威, 彭志华, 张华, 江志刚

单位：1.武汉科技大学机械传动与制造工程湖北省重点实验室2.宝钢股份武汉钢铁有限公司3.武汉科技大学汽车与交通工程学院4.宝钢股份中央研究院武钢有限技术中心5.武汉科技大学绿色制造工程研究院

摘要：针对转炉废钢配比高度依赖专家经验,历史冶炼知识难以高效重用所导致的废钢配比决策难题,提出一种大语言模型(LLM)增强知识图谱(KG)链式推理的转炉废钢精细配比推荐方法。首先,提出基于逻辑链与邻域检索的查询分解与推理方法,通过定义四类一阶逻辑查询并设计查询分解方法,将涉及多跳推理的废钢配比查询分解为单跳推理子逻辑查询序列,以提升推理的准确性与稳定性;进一步设计基于邻域检索的推理策略,通过优先遍历查询实体的邻域子图,以提升推理效率。其次,构建一种LLM增强KG链式推理架构,通过构造结构化提示模板,将相关子图与子逻辑查询序列分别转换为上下文提示与问题提示链,引导LLM在KG上逐步推理,依次求解各子逻辑查询,并整合中间结果,生成符合实际冶炼需求的废钢配比推荐方案。最后,通过某钢厂转炉冶炼案例对所提方法进行了验证。结果表明,所提出的KG-LLM架构能有效提升废钢配比决策精度,尤其在引入链式推理机制后性能进一步改善,说明了所提方法的有效性与优越性。

关键词：废钢精细配比推荐,大语言模型,知识图谱,链式推理,转炉炼钢

基金资助：国家自然科学基金资助项目(52575594,52375508)。