一种新颖的深度因果图建模及其故障诊断方法

作者：唐鹏; 彭开香; 董洁

来源：自动化学报, 2021, 1-9.

• 深度因果图模型
• 故障检测
• 根源诊断
• 传播路径辨识
• Group Lasso

为了实现复杂工业过程故障检测和诊断一体化建模,本文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.

• 单位
  北京科技大学; 自动化学院