一种基于跨时空稳定因果动态贝叶斯网络的自愈控制方法

一种基于跨时空稳定因果动态贝叶斯网络的自愈控制方法，采用插值方式融合LSTM算法从工业过程数据提取的时间特征和基于全流程物理单元分布知识提取的空间特征；基于时间特征和空间特征，结合稳定学习与DBN，构建知识和数据双驱动的跨时空因果动态贝叶斯网络模型；利用跨时空因果动态贝叶斯网络模型结合时空特征进行虚假因果关系的判别；采用样本重加权技术，调整样本权重；使用选定的特征和样本权重训练跨时空因果动态贝叶斯网络模型，得到跨时空稳定因果DBN模型；将在线异常数据变量作为证据输入到跨时空稳定因果DBN模型中，确定发生异常的时间片和引起异常工况的变量，并推理出控制方案；实施控制方案。该方法能快速有效消除过程突发异常工况。