IJACSP基于自适应时空解耦图卷积网络的复杂工业过程质量相关故障检测方法
随着工业技术的快速发展，工业过程变得越来越复杂，呈现出大规模、多单元协作的特点。然而，目前的大多数故障检测方法都侧重于非线性、动态和其他特征，而忽略了时空信息。为了解决这个问题，本文提出了一种基于自适应时空解耦卷积网络的质量相关故障检测方法。首先，时间图卷积网络和空间图卷积网络以联合训练的形式有机结合。其次，考虑到固定图结构不能反映节点之间的动态关系，我们提出了一种自适应加权任务机制来构建嵌入先验知识的动态相关图。多注意力机制用于整合时空信息。此外，我们设计了一个解耦层来避免信息冗余。最后，利用所提出的时空图卷积网络建立回归模型，通过解耦层提取与质量相关的潜在变量，并基于Kullback-leibler散度构建统计量，以热轧带钢和Tennessee Eastman工艺为例说明了所提出方法的有效性和可行性关键词：图卷积神经网络；热轧带钢工艺；质量相关故障检测、时空关联
