基于图卷积神经网络的过程监控时空关联表示及应用
机器学习
2023-10-06 v2 人工智能
系统与控制
系统与控制
摘要
非常感谢各位同行和学者对这项工作的关注与关心。在专家、编辑和审稿人的意见与指导下，本工作已被期刊《Process Safety and Environmental Protection》录用。本文主题依托于同一工业过程中众多变量的时空关联，即动态工业过程中获取的众多变量具有时空相关特征，这些变量不仅在时间上高度相关，在空间上也相互关联。为处理该问题，需妥善解决三个关键问题：变量特征建模与表示、图网络构建（时间信息）以及图特征感知。第一个问题通过假设数据服从一种改进的高斯分布来实现，而图网络可由监测变量及其边定义，边由变量在时间上的特征计算得出。最后，这些对应不同时刻过程状态的网络被输入图卷积神经网络以实现图分类，从而完成过程监控。采用基准实验（田纳西-伊斯曼化工过程）和一个应用研究（从锌溶液中纯化钴）来证明本文的可行性与适用性。
引用
@article{arxiv.2205.05250,
title = {Spatial-temporal associations representation and application for process monitoring using graph convolution neural network},
author = {Hao Ren and Xiaojun Liang and Chunhua Yang and Zhiwen Chen and Weihua Gui},
journal= {arXiv preprint arXiv:2205.05250},
year = {2023}
}