分层领域不变对齐网络在化学过程中的零样本跨模式故障预测中的应用

《Process Safety and Environmental Protection》：Hierarchical domain-Invariant Alignment Networks for zero-shot cross-mode fault prognosis in chemical processes

　　

杨博瑞|谢志远|田海波|陈玉平|吕菲雅|赵金松

摘要

故障预测——在异常情况触发警报之前预测其发生——对于化工厂的主动安全管理至关重要，但这一任务比传统的故障检测和诊断要困难得多。在实际操作中，化学过程通常在多种稳态模式下运行，这会导致过程变量出现显著的变化，从而降低基于有限运行条件训练的预测模型的可靠性。当在运行过程中遇到从未出现过的模式时，由于缺乏历史数据，传统的重新训练变得不可行，因此需要能够零样本泛化的模型。为了解决这一挑战，我们将多模式故障预测问题视为一个多源领域泛化问题，并提出了分层领域不变对齐网络（HIAN）框架。该框架通过分层对齐不同源操作模式下的特征分布来学习与模式无关的动态表示。在多模式田纳西东曼工艺（TEP）基准测试和工业流化催化裂化（FCC）数据集上的系统评估表明，HIAN在跨模式泛化能力方面始终优于其他代表性方法，证明了其在复杂且时变运行条件下的有效性和实际应用价值。