典型文献
一种新颖的深度因果图建模及其故障诊断方法
文献摘要：
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.
文献关键词：
深度因果图模型;故障检测;根源诊断;传播路径辨识;Group Lasso
中图分类号：
作者姓名：
唐鹏;彭开香;董洁
作者机构：
北京科技大学自动化学院工业过程知识自动化教育部重点实验室 北京100083
文献出处：
引用格式：
[1]唐鹏;彭开香;董洁-.一种新颖的深度因果图建模及其故障诊断方法)[J].自动化学报,2022(06):1616-1624
A类：
深度因果图模型,条件概率预测,根源诊断,传播路径辨识
B类：
图建模,故障诊断方法,复杂工业过程,故障检测,一体化建模,循环神经网络,Group,Lasso,模型训练,检测过程,因果关系,模型学习,概率预测模型,监测指标,综合指标,变量贡献,贡献度,隔离故障,故障相关,有向图,故障传播路径,田纳西,伊斯曼,仿真验证
AB值：
0.28359
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
