一种新颖的深度因果图建模及其故障诊断方法
文献类型：期刊论文
| 作者 | 唐鹏; 彭开香; 董洁 |
| 刊名 | 自动化学报
 |
| 出版日期 | 2022 |
| 卷号 | 48期号:6页码:1616-1624 |
| 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 |
| ISSN号 | 0254-4156 |
| DOI | 10.16383/j.aas.c200996 |
| 英文摘要 | 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. |
| 源URL | [http://ir.ia.ac.cn/handle/173211/56348]  |
| 专题 | 自动化研究所_学术期刊_自动化学报 |
| 推荐引用方式 GB/T 7714 | 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,2022,48(6):1616-1624. |
| APA | 唐鹏,彭开香,&董洁.(2022).一种新颖的深度因果图建模及其故障诊断方法.自动化学报,48(6),1616-1624. |
| MLA | 唐鹏,et al."一种新颖的深度因果图建模及其故障诊断方法".自动化学报 48.6(2022):1616-1624. |
入库方式： OAI收割
来源：自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。