一种新颖的深度因果图建模及其故障诊断方法

摘要：

为了实现复杂工业过程故障检测和诊断一体化建模,提出了一种新颖的深度因果图建模方法.首先,利用循环神经网络建立深度因果图模型,将Group Lasso稀疏惩罚项引入到模型训练中,自动地检测过程变量间的因果关系.其次,利用模型学习到的条件概率预测模型对每个变量建立监测指标,并融合得到综合指标进行整体工业过程故障检测.一旦检测到故障,对故障样本构建变量贡献度指标,隔离故障相关变量,并通过深度因果图模型的局部因果有向图诊断故障根源,辨识故障传播路径.最后,通过田纳西-伊斯曼过程进行仿真验证,实验结果验证了所提方法的有效性.

关键词：深度因果图模型、故障检测、根源诊断、传播路径辨识、Group Lasso

所属期刊栏目：48

分类号：TP277;TH165.3;TM41

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金

在线出版日期：2022-07-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1616-1624