基于互信息-主成分分析-贝叶斯网络的化工过程故障诊断方法

作者：郭文强; 李建望; 黄梓轩; 肖秦琨

来源：科学技术与工程, 2023, 23(21): 9144-9150.

• 故障诊断
• 互信息
• PCA
• 贝叶斯网络
• 不完整证据

为了解决复杂工业过程中存在变量众多、特征提取困难等问题，提出一种基于互信息(mutual information, MI)、主成分分析(principal component analysis, PCA)和贝叶斯网络(Bayesian network, BN)相结合的诊断方法。利用互信息与PCA在故障特征信息提取的优势，并结合BN在建模中强大的学习能力，建立互信息-主成分分析-贝叶斯网络(mutual information-PCA-Bayesian network, MPBN)故障诊断模型，最后根据联合树推理算法完成推理实验，并在田纳西-伊斯曼(Tennessee Eastman, TE)过程进行仿真验证。实验结果表明，该方法有效提高了化工过程诊断的准确效率和稳定性，尤其可在传感器存在证据缺失等不确定性环境因素情况下，依然具有一定的故障诊断效果。

• 单位
  电子信息工程学院; 西安工业大学; 陕西科技大学