本研究提出了LLM-TKESS框架，利用大型语言模型解决数据驱动软传感器建模中的复杂性和数据单一性问题。该模型在小样本条件下表现优异，验证了其在工业过程中的应用潜力。

本研究利用线性量化提高了基于FPGA的软传感器的神经网络模型精确度。硬件优化降低了平均平方误差10.10%，提高了推理速度9.39%。验证结果显示，基于FPGA的量化模型能够提供高效、准确的实时推理结果，可替代云处理方案。