本文作者为 Luigi Gianpio Di Maggio，来自意大利都灵理工大学机械与航空工程系（Dipartimento di Ingegneria Meccanica e Aerospaziale, Politecnico di Torino）。该研究发表于期刊 Applied Sciences（Appl. Sci.）2026 年第 16 卷，文章编号 2812，于 2026 年 1 月 28 日投稿，2026 年 3 月 13 日录用，2026 年 3 月 15 日在线发表。
一、研究背景与目标
本研究属于工业预测性维护（Predictive Maintenance, PdM）与大型语言模型（Large Language Models, LLMs）交叉领域。预测性维护是现代工业运营中的关键要素，通过对旋转机械（如电机、泵、压缩机和传动系统）进行基于振动传感器的状态监测，可以在设备实际状态基础上规划维护干预，从而减少停机时间、降低维护成本并提高可用性。工业物联网（Industrial Internet of Things, IIoT）的普及进一步增强了连续数据和上下文数据的可获得性，为数据驱动的诊断、异常检测和剩余寿命估计提供了基础。滚动轴承作为旋转机械中最具信息价值的观测点之一，其故障诊断一直是研究重点。
尽管已有大量机器学习和深度学习方法应用于预测性维护，但大规模工业采用仍面临诸多障碍：依赖标注且具有代表性的数据集、跨机器和工况的数据迁移困难、可解释性与可追溯性需求、工具和格式的碎片化等。近年来，LLMs 在自然语言交互方面展现出强大能力，但作为独立诊断组件存在输出非确定性、幻觉风险和缺乏可复现证据链等问题。在工业场景中，需要一个显式的治理层来约束模型可使用的数据和可调用的操作。
模型上下文协议（Model Context Protocol, MCP）为连接 LLM 应用与文档、信号、数据库和工具提供了标准化方法，通过主机-客户端-服务器架构将 LLM 的推理能力限制在由确定性函数构成的执行边界内。本文提出的 Predictive Maintenance MCP 是一个开源的概念验证（Proof of Concept, PoC）服务器，旨在通过 MCP 实现 LLM 辅助的振动诊断工作流，重点覆盖滚动轴承缺陷检测、ISO 20816-3 合规检查和半监督异常检测，同时通过持久化工件（如交互式 HTML 报告和元数据）实现证据链的可追溯与可审计。
二、系统架构与实现细节
系统采用模块化设计，MCP 服务器构成 LLM 编排诊断工作流的受控执行边界。文件系统负责持久化和追溯，包含信号目录（data/signals/）、文本资源目录（resources/）、报告目录（reports/）和模型目录（models/）。服务器将这些内容以 MCP 资源形式暴露，使助手能够以结构化和可检查的方式访问振动信号与机器手册。
在计算层面，服务器暴露六类 MCP 工具，以类型化输入输出的确定性函数封装主要预测性维护操作。频域分析工具执行 FFT（Fast Fourier Transform）并自动识别主频和谐波分量，输出峰值表和指标表。包络分析工具实现带通滤波、基于希尔伯特变换（Hilbert Transform）的包络提取和包络谱计算，用于滚动轴承缺陷调制特征的识别。振动烈度评估工具按照 ISO 20816-3 计算宽带规范指标（速度均方根值 RMS），并确定对应的烈度区域，显式记录机器组别和支撑条件等假设。异常检测工具在滑动窗口提取的时域特征基础上，先进行标准化和主成分分析（Principal Component Analysis, PCA）降维，然后训练单类支持向量机（One-Class SVM, OC-SVM）和局部异常因子（Local Outlier Factor, LOF）模型，输出分段异常分数和标签。文档工具支持从手册中提取轴承参数并计算理论缺陷特征频率（如外圈故障频率 BPFO、内圈故障频率 BPFI、滚动体自旋频率 BSF 和保持架频率 FTF）。报告生成工具为各主要分析生成包含图形、峰值表和标记的交互式 HTML 报告，并附带执行元数据。
信号分析模块内部集成了 FFT 引擎、滤波与解调、时域统计指标提取、异常检测流程（特征提取与模型）以及图形和表格生成。这种编排层（LLM）与计算层（确定性工具）的分离使分析可复现，降低了纯文本交互的非确定性，并产生可检查的工件以支持追溯。在 PoC 阶段，PDF 解析和轴承目录集成能力仅为演示性实现，流式处理、边缘部署以及 SCADA 和 CMMS 集成被列为未来工作。
三、使用案例与验证工作流
论文通过六个可复现的端到端工作流展示了系统的功能。演示数据来源于 MathWorks 在 GitHub 上公开的滚动轴承故障诊断数据集，包含健康状态和内圈/外圈故障条件下的实验振动测量信号，并附带采样率和工作条件等元数据。
用例 1 以健康状态信号为对象执行 FFT 分析，生成频谱基线报告，报告明确记录频率分辨率、主峰和谐波以及分析参数。用例 2 对内圈故障信号执行包络分析，工作流包括共振频带带通滤波、希尔伯特变换包络提取、包络谱计算以及观测峰值与理论特征频率的对比，输出报告中的峰值与 BPFI 及其谐波一致，并通过频谱标记进行可视化。用例 3 对基线信号执行 ISO 20816-3 烈度评估，工具返回指标值、分类阈值和烈度区域，HTML 报告显示测量值相对于限值的位置，使参数和假设透明化。用例 4 构建多指标综合诊断流程，先进行 ISO 评估以获得全局烈度，再进行 FFT 获取频谱基线，然后通过包络分析识别特征调制，最终由 LLM 整合各工具结果形成诊断综合结论。用例 5 在健康基线上训练 OC-SVM 或 LOF 模型，对潜在退化信号进行推理，输出分段和聚合异常标签，用于筛选需要进一步物理验证的采集信号。用例 6 展示从手册中提取轴承信息和参数、计算缺陷特征频率并用于频谱解读的文档驱动工作流。
在每个用例中，LLM 的角色是选择资源、配置参数并调用工具链，而诊断证据由确定性函数产生并保存在带有元数据的报告中。主导频率、峰值、标记、规范假设和计算指标均可独立于对话交互进行检查。论文强调，评估应关注工作流属性而非分类精度：结论是否可追溯至计算证据、相同输入和参数下分析是否可复现、以及持久化工件是否支持审计。
四、讨论与结论
论文在讨论部分明确指出 PoC 的局限性：演示数据集规模有限，不代表典型工业现场的异质性；包络分析和峰值提取等分析依赖参数选择，虽然 PoC 中这些选择明确可追溯，但尚未针对机器类型和故障模式进行标准化；手册和目录的自动信息提取需要进一步巩固以避免频谱解读错误；当前架构面向离线分析和报告生成，流式处理、实时约束、边缘部署和 SCADA/CMMS 集成需要额外组件。
在安全与治理方面，系统通过 MCP 的受控边界在设计中规避了提示注入和工具滥用等风险：仅暴露明确的确定性工具白名单，资源可配置为只读并作为数据处理而非可信指令，工具调用受严格模式约束，参数验证和叙述输出均基于计算结果和持久化工件而非未验证的文本内容。系统假设 LLM 仅用于操作员支持，决策权仍保留在人类手中。
本文的核心贡献在于提出了一种受治理的 LLM 辅助预测性维护参考架构，将成熟的振动诊断流程实现为 MCP 边界内的确定性工具，并通过持久化工件实现证据链的可审计性。研究的创新点体现在：受治理的 PdM 执行边界、确定性工具链、支持证据链的持久化工件、以及以 MCP 标准化作为工业集成机制的开源参考实现。该工作的科学价值在于为 LLM 在工业诊断中的可信部署提供了架构范式，应用价值在于使维护团队能够以自然语言查询信号和文档，同时依赖可审计的分析和自动生成的诊断报告，支持振动诊断、轴承故障检测和 ISO 20816-3 合规检查等实际场景。