ABIGX：可解释故障检测与分类的统一框架
机器学习
2023-11-10 v1 人工智能
摘要
针对可解释故障检测与分类（FDC），本文提出一个统一框架 ABIGX（基于对抗故障重建的积分梯度解释，Adversarial fault reconstruction-Based Integrated Gradient eXplanation）。ABIGX 源自以往成功故障诊断方法贡献图（CP）和基于重建的贡献（RBC）的精髓，是首个为通用 FDC 模型提供变量贡献的解释框架。ABIGX 的核心部分是对抗故障重建（AFR）方法，其从对抗攻击视角重新思考故障重建，并以新的故障指标推广至故障分类模型。对于故障分类，我们提出故障类涂抹这一新问题，其本质上阻碍正确解释。我们证明 ABIGX 有效缓解该问题，并优于现有基于梯度的解释方法。对于故障检测，我们通过证明 CP 和 RBC 是 ABIGX 的线性特例，在理论上将 ABIGX 与传统故障诊断方法联系起来。实验通过定量指标和直观图示评估 FDC 的解释，结果表明 ABIGX 相对于其他先进解释方法具有普遍优越性。
引用
@article{arxiv.2311.05316,
title = {ABIGX: A Unified Framework for eXplainable Fault Detection and Classification},
author = {Yue Zhuo and Jinchuan Qian and Zhihuan Song and Zhiqiang Ge},
journal= {arXiv preprint arXiv:2311.05316},
year = {2023}
}